Tell 1 vs Gemma 4 12B: jeden zmieścisz na dysku, do drugiego możesz tylko zadzwonić

Najszybszym sposobem na zrozumienie różnicy między Tell 1 a G​emma 4 12B jest próba pobrania obu. G​emma 4 12B jest udostępniana jako około 27 GB plików safetensors BF16 na licencji Apache 2.0, działa z szybkością około 110 tokenów na sekundę na pojedynczej karcie 24 GB w wersji skwantyzowanej i odpowiada tylko tobie, nikomu innemu. Tell 1 w ogóle nie jest udostępniany. Jest to własny model rozumowania Retell, osadzony w platformie agentów głosowych, która pobiera od 0,07 do 0,31 USD za minutę i nie sprzedaje modelu, nie publikuje jego karty modelu ani nie pozwala skierować go do własnej infrastruktury. Wszystko inne w tym porównaniu wynika z tej asymetrii, w tym benchmarki, ponieważ jeden z tych modeli może zmierzyć każdy, kto ma GPU, a drugi może zmierzyć tylko firma, która go posiada.

Obie to naprawdę interesujące premiery, stworzone do różnych zadań. Gemma 4 12B to średniej wielkości otwarty model Google DeepMind bez enkodera, wydany 3 czerwca 2026 r., zaprojektowany do rozumowania multimodalnego na maszynie, którą masz przed sobą. Tell 1 to warstwa rozumowania stosu centrum kontaktowego, który obsługiwał ponad 100 milionów połączeń miesięcznie, zanim model w ogóle powstał, a jego celem projektowym jest jedna rzecz, której model lokalny nie może zapewnić: pierwsza sylaba, która mieści się w tolerancji ciszy osoby dzwoniącej.

Dwie rzeczy nazywane modelem, a tylko jedna z nich jest plikiem

G​emma 4 12B to model gęsty o 11,95 miliarda parametrów, bez oddzielnego enkodera wizji i dźwięku — fragmenty obrazów i przebiegi fal dźwiękowych trafiają bezpośrednio do transformera, dlatego rodzina jest dostarczana jako jeden „unified” checkpoint, a nie stos wież. Ma kontekst 256K tokenów i odczytuje tekst, obrazy, dźwięk oraz klatki wideo. Repozytorium Hugging Face zostało pobrane ponad 14 milionów razy, szablon czatu ostatnio zmieniono 9 lipca 2026 r., a licencja to Apache 2.0 bez klauzuli przychodowej, bez klauzuli dotyczącej liczby użytkowników i bez odrębnej umowy komercyjnej do negocjacji.

Tell 1 nie ma żadnego z tych artefaktów. Nie ma repozytorium, konfiguracji, tokenizera, tekstu licencji ani opublikowanej gdziekolwiek liczby dotyczącej okna kontekstu, jaką udało mi się znaleźć na własnej stronie Retell — a sprawdziłem blog, changelog, indeks dokumentacji, newsroom oraz firmową stronę z benchmarkami modeli. Jedyne dwa miejsca, w których w ogóle się pojawia, to etykieta na stronie głównej, gdzie znajduje się obok „Agent harness” w sekcji zatytułowanej „Developed by Retell Labs”, oraz notatka o aktualizacji z listopada dodana do wrześniowego changelogu dotyczącego publicznego benchmarku głosowego Retell. To cały publiczny zapis. To nie skandal; wielu dostawców platform udostępnia modele wewnętrzne bez ich dokumentowania. Oznacza to jednak, że połowę tego porównania trzeba przeprowadzić na słowo dostawcy, a drugą połowę możesz przeprowadzić sam, jeszcze dziś wieczorem, na własnym sprzęcie.

Pięć pytań, na które jedno z nich odpowiada publicznie

Zestaw oba obok siebie według wymiarów, których nabywca naprawdę potrzebuje, a kształt luki stanie się oczywisty. Po obu stronach każdego wiersza, ponieważ chodzi o kontrast, a nie o punktację:

• Wagi — G​emma 4 12B publikuje je na licencji Apache 2.0; można je hostować samodzielnie, dostrajać i redystrybuować; Tell 1 nie publikuje niczego i jest dostępny wyłącznie jako część agenta głosowego Retell.

• Rozmiar — 11,95 mld gęstych parametrów, około 27 GB w BF16 i poniżej 7 GB po kwantyzacji, dla modelu G​emma; dla Tell 1 nieujawnione, a fakt, że odpowiada z medianą 72 ms w środowisku testowym Retell, sugeruje mały, specjalnie zaprojektowany model, a nie czołowy model ogólnego przeznaczenia, ale to wnioskowanie, a nie dokumentacja.

• Kontekst — 256 tys. tokenów dla G​emma 4 12B; niepodane dla Tell 1, co w przypadku agenta telefonicznego jest mniej alarmujące, niż to brzmi, ponieważ rozmowa jest krótka, a baza wiedzy znajduje się poza modelem.

• Modalności — G​emma przyjmuje tekst, obraz, dźwięk i wideo i zwraca tekst; Tell 1 przyjmuje ładunek transkrypcji i narzędzi przekazywany przez platformę głosową, a to, co jeszcze akceptuje, nie zostało opublikowane.

• Dowody — G​emma ma kartę dostawcy (DocVQA 94,9, InfoVQA 88,4, MMLU-Pro 77,2, GPQA Diamond 78,8, wszystkie zgłoszone przez G​oogle) oraz niezależny Artificial Analysis Intelligence Index wynoszący 14 przy około 110,9 tokenów na sekundę; Tell 1 ma jeden wiersz w benchmarku napisanym przez swojego właściciela, co omówiono poniżej.

Zauważ, która kolumna jest dłuższa. To nie jest przytyk do jakości Tell 1; to stwierdzenie o tym, co można zweryfikować przed wydaniem pieniędzy. Model, który możesz pobrać, można przetestować na własnych danych w jedno popołudnie. Model, który możesz tylko wynająć, testuje się, wynajmując go.

Co tak naprawdę mierzy główna liczba Tell 1

vCX Benchmark firmy Retell publikuje swoje wyniki jako dane strukturalne, a nie jako marketingowy wykres, co jest czymś więcej, niż robi większość rankingów dostawców. Tell 1 znajduje się w tabeli 62 ocenianych konfiguracji pochodzących z 45 modeli, a jego wiersz jest najsilniejszy w części konwersacyjnej: 96,6% w wymiarze potocznym Retell i mediana 72,5 ms, pierwsze miejsce w stawce pod oboma względami. Ten sam wiersz zajmuje drugie miejsce pod względem przestrzegania instrukcji oraz w wierszu oznaczonym przez Retell jako halucynacje, piąte pod względem wywoływania narzędzi, a koszt modelu wynoszący 3,5 centa za minutę plasuje go na 19. miejscu na 62. Po uśrednieniu czterech wymiarów otrzymujemy 94,45% i to jest liczba, którą Retell wysuwa na pierwszy plan.

Do tych rankingów należą dwa zastrzeżenia i żadne z nich nie oznacza, że Retell jest nieuczciwy — dane po prostu nie pozwalają na czystszą interpretację. Po pierwsze, wiersz Tell 1 ma wersję benchmarku 17, podczas gdy 50 z 62 wierszy ma wersję 1; benchmark, który rewiduje swoje zadania, robi właściwą rzecz, ale „#1 overall” obliczone na dwóch różnych zestawach testowych jest agregatem, a nie wynikiem bezpośrednio porównywalnym, i strona tego nie normalizuje. Po drugie, cztery wymiary nie są spójne. Tell 1 nie jest najlepszym modelem we własnym benchmarku pod względem stosowania się do instrukcji ani wywoływania narzędzi — GPT-6-Astra osiąga 89,7% w stosowaniu się do instrukcji wobec 88,6% Tell 1, a co najmniej jedna wersja Claude’a wyprzedza go nieznacznie w wywołaniach narzędzi. To, co wygrywa bezapelacyjnie, to dwie rzeczy, które osoba dzwoniąca może usłyszeć: jest najszybszy i brzmi najbardziej jak człowiek.

Jedna liczba warta rozróżnienia, bo w publikacjach te dwie bywają ze sobą mieszane: 72 ms to opóźnienie modelu wewnątrz harnessu, a nie doświadczenie dzwoniącego. Strona główna Retell podaje typowy czas odpowiedzi agenta na poziomie około 600 ms end to end, który obejmuje rozpoznawanie mowy, orkiestrację, turę modelu i syntezę mowy. Obie liczby mogą być prawdziwe. Tylko ta druga jest tym, co postrzega osoba rozmawiająca przez telefon.

Gdzie każde z nich należy w stosie

Gemma 4 12B nie jest dobrym wyborem dla działającego agenta telefonicznego i nie chodzi tu o jakość. Gęsty model 12B na jednym GPU to dobry komponent, ale to właśnie pełny obieg przez własny stos serwowania modeli, a do tego rozpoznawanie i synteza mowy, sprawia, że odpowiedź end-to-end trafia w przedział, w którym dzwoniący zaczynają wchodzić agentowi w słowo. Sposób, w jaki Google ujmuje model 12B, to praca agentowa na laptopie — rozumienie dokumentów, odczytywanie ekranu, korzystanie z narzędzi, pomoc w kodowaniu — i to ujęcie jest trafne. Jeśli Twoim zadaniem jest sto tysięcy faktur na noc, prywatny korpus, którego nie możesz przekazać podmiotowi trzeciemu, albo urządzenie terenowe działające offline, Tell 1 nie może konkurować, ponieważ Tell 1 w ogóle nie da się tam wdrożyć.

Tell 1 jest odwrotnością. Nie może opuścić Retell, nie możesz go dostroić na własnych transkryptach ani nie może być poddany benchmarkom przez stronę trzecią bez współpracy Retell. Potrafi natomiast odpowiadać w platformie, która ma już telefonię, obsługę tur rozmowy i głos, i robić to w 72 ms — a to ta część stosu, której nie naprawi żadna ilość prompt engineeringu. Jeśli kupujesz agenta centrum kontaktowego, a nie budujesz go, to jedyna kolumna, która ma znaczenie.

Złoty środek to miejsce, w którym w praktyce ląduje większość zespołów: mały model hostowany samodzielnie do masowej, deterministycznej pracy oraz hostowany model czołowy do trudnych przypadków. Żaden z tych dwóch modeli nie jest naturalnym wyborem na to drugie miejsce, i tu nasz własny katalog ma znaczenie. Ani Tell 1, ani G​emma 4 12B nie są routowalne przez OrcaRouter — nie hostujemy Tell 1, a rozmiary G​emma 4, które mamy w ofercie, to 31B Instruct i 26B A4B, a nie 12B. Te dwa są wycenione według cennika dostawcy bez żadnych narzutów — 0,13 USD za wejście i 0,38 USD za wyjście za milion tokenów dla 31B oraz 0,06 USD i 0,33 USD dla 26B A4B, co jest uczciwym punktem odniesienia, jeśli od 12B chciałeś „modelu G​emma 4, który mogę wywołać bez posiadania GPU”.

Koszt, przeliczony na tę samą jednostkę

Porównywanie ceny platformy za minutę z ceną modelu za token to miejsce, w którym większość takich opracowań po cichu oszukuje, więc poniżej jest przeliczenie, a nie werdykt. Tell 1 nie jest wyceniany osobno; mieści się w przedziale Retell od 0,07 do 0,31 USD za minutę, a wiersz benchmarku, który go zawiera, podaje 3,5 centa za minutę kosztu modelu, co mieści się w tym przedziale, a nie go zastępuje. G​emma 4 12B przy łącznej stawce Artificial Analysis wynoszącej 0,10 USD za milion tokenów wejściowych i 0,30 USD za milion tokenów wyjściowych w przeliczeniu na token jest w przybliżeniu darmowa, a potem płacisz za GPU: karta 24 GB działająca przez godzinę kosztuje więcej niż tysiąc minut najtańszego planu Retell, więc próg opłacalności pojawia się dopiero przy stałym wolumenie i wysokim wykorzystaniu.

• Jednostka kosztu — dolary za minutę rozmowy dla Tell 1; dolary za milion tokenów plus godziny GPU dla G​emma 4 12B.

• Próg rentowności — G​emma wygrywa na koszcie krańcowym w momencie, gdy Twoje GPU są już zajęte; Tell 1 wygrywa całkowitym kosztem posiadania do momentu, gdy wolumen będzie wystarczająco duży, aby utrzymać kartę w pełnym obciążeniu.

• Ukryte pozycje kosztowe — Tell 1 łączy telefonię, syntezę mowy i infrastrukturę w jedną kwotę; samodzielnie hostowany stos Gemma rozlicza osobno ASR, TTS, warstwę serwującą i inżyniera dyżurnego.

Który wybrać?

Jeśli wymaganiem jest agent telefoniczny, który w tym kwartale brzmi jak człowiek, Tell 1 jest jedynym z dwóch, który jest produktem, a benchmark — wraz z zastrzeżeniami — mówi, że to, w czym jest najlepszy, jest dokładnie tym, co kupujesz. Przetestuj go względem modelu, któremu obecnie ufasz, w tym samym agencie Retell, posłuchaj dwudziestu rozmów i policz błędy ugruntowania, ponieważ właśnie tam, według własnych danych Retell, przegrywa.

Jeśli wymaganiem jest model, który można przejrzeć, dostroić, hostować prywatnie, redystrybuować w ramach produktu lub uruchamiać bez sieci, Gemma 4 12B jest nie tylko lepszą opcją — jest jedyną opcją na tej stronie. Apache 2.0 i kontekst 256K przy 12B to kombinacja, która z każdym miesiącem staje się coraz bardziej użyteczna, a 14 milionów pobrań sugeruje, że wiele zespołów już doszło do tego wniosku.

Pytanie, które warto zadać przed którymkolwiek z tych zakupów, brzmi: które z tych dwóch zdań opisuje twój problem, ponieważ to nie są te same problemy i żaden benchmark nie powie ci, który z nich masz.