
Tell 1 vs Qwen 3.8: Luka w wywoływaniu narzędzi, o której nikt nie pisze w nagłówkach
- OrcaNOWOŚĆOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 za 1 mln tokenów · 169 tok/s
- tencentNOWOŚĆTencent: Hy4 Flash2026-11-16$0.02 / $0.07 za 1 mln tokenów · 236 tok/s
- GoogleNOWOŚĆGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 za 1 mln tokenów · 89 tok/s
- AnthropicNOWOŚĆAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 za 1 mln tokenów · 98 tok/s
- orcaNOWOŚĆOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 za 1 mln tokenów · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 za 1 mln tokenów · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 za 1 mln tokenów · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 za 1 mln tokenów · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 za 1 mln tokenów · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 za 1 mln tokenów · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligencja
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 za 1 mln tokenów · 198 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligencja
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 za 1 mln tokenów · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligencja
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 za 1 mln tokenów · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligencja
Retell publikuje ranking modeli głosowych i umieszcza Tell 1 na jego czele. Ten sam ranking, czytany nieco niżej w każdej kolumnie, mówi, że Tell 1 zajmuje piąte miejsce w wywoływaniu narzędzi. Ta pojedyncza pozycja jest najbardziej użyteczną informacją na stronie, ponieważ wyznacza dokładną granicę między tym, do czego Tell 1 został zbudowany, a tym, w czym model ogólnego przeznaczenia, taki jak Qwen 3.8 — generacja, której flagowcem jest Qwen3.8-Max, a której otwartym gęstym wariantem jest Qwen3.8-27B — jest teraz naprawdę dobry. Agent telefoniczny, który nie potrafi umówić wizyty, jest gorszy niż powolny. Model z 2,4 biliona parametrów, który potrzebuje 8 sekund, żeby powiedzieć „cześć”, w ogóle nie może odebrać telefonu. Interesujące pytanie nie brzmi, który model jest lepszy; brzmi, gdzie w Twoim stosie każde z nich przestaje być właściwym narzędziem.
Warto najpierw nazwać poziomy dowodów, ponieważ te dwa modele są udokumentowane w nieporównywalny sposób. Qwen3.8-Max zadebiutował jako płatne API 3 sierpnia 2026 r., z opublikowaną matrycą możliwości, kontekstem 1 mln tokenów i benchmarkami dostawcy; Qwen3.8-27B pojawił się następnie jako do pobrania wagi Apache-2.0; oba są niezależnie oceniane przez Artificial Analysis. Tell 1 ma tylko jeden wiersz w benchmarku napisanym przez swojego właściciela i w ogóle nie ma karty modelu. Tak więc jedna część tej strony jest zmierzona, a druga raportowana, i każda liczba poniżej jest odpowiednio oznaczona.
Ile faktycznie kosztuje cię piąte miejsce Tell 1
Warto czytać liczby samej tabeli vCX w kolejności, w jakiej się pojawiają, a nie w kolejności sugerowanej przez rankingi. W wierszu, który Retell określa jako potoczny, Tell 1 uzyskuje 96,6% i żadna z 62 konfiguracji nie osiąga lepszego wyniku. W wierszu, który nazywa wywoływaniem narzędzi, ten sam model uzyskuje 95,4%, a cztery inne modele wypadają lepiej — co nie tyle jest wadą modelu, ile świadczy o tym, do czego dostrojono go, by był dobry. Średnia 94,45% i mediana 72,5 ms wynikają z tego priorytetu; podobnie jak koszt modelu wynoszący 3,5 centa za minutę, który plasuje się na 19. miejscu, spokojnie w środku tabeli.
Wynik piątego miejsca — 95,4%, czyli 954 z 1000 zaliczonych ewaluacji — nie jest zły w ujęciu absolutnym. Liczy się jednak wzorzec. W przepływie centrum kontaktowego wywołania narzędzi to miejsce, w którym agent robi coś nieodwracalnego: rezerwuje termin, pobiera płatność, przekazuje dzwoniącego, anuluje zamówienie. Wskaźnik awaryjności 4,6% na tych krokach to system, który w większości działa, a czasem robi coś niewłaściwego — a to dokładnie ten tryb awarii, przez który agent AI zostaje wycofany z produkcji po miesiącu. Z kolei atuty w zakresie swobody konwersacji i opóźnienia to te, dzięki którym w ogóle zostaje zatwierdzony. Ta asymetria — lepszy w demonstracji niż w transakcji — to rzecz, którą trzeba testować, a nie tę, którą należy zakładać.
Dwa zastrzeżenia dotyczące samego benchmarku, ponieważ jest to jedyny publiczny dowód na Tell 1. Jego wiersz zawiera wersję 17 harnessu, podczas gdy 50 z 62 wierszy zawiera wersję 1, więc „#1 overall” agreguje dane z dwóch różnych zestawów testowych. A poza tym jest to własny benchmark Retell, uruchomiony na wzorcach ruchu Retell, co stanowi uzasadnioną metodologię, ale nie niezależną.
Co Qwen 3.8 wnosi do tego samego problemu
Qwen 3.8 to generacja, a nie model, i ten podział ma tu znaczenie. Qwen3.8-Max to flagowy model hostowany: kontekst 1 mln tokenów, wejście tekstowe, obraz i wideo, tryb myślenia, wywoływanie funkcji, wbudowane narzędzia i ustrukturyzowane wyjścia, udostępniany w formatach zgodnych z OpenAI, Anthropic i DashScope. Artificial Analysis przyznaje mu 33,7 w swoim Intelligence Index — lepiej niż 73% porównywanych modeli — oraz 76,2 w Coding Index, 92,8 w GPQA Diamond, 88,8 w Terminal-Bench 2.1 i 47,8 w tau-banking, czyli mieszankę danych dostawcy i niezależnych, na którą powołuje się nasza strona modelu. Qwen3.8-27B to model z otwartymi wagami o gęstej architekturze: 27 mld parametrów, kontekst 256K, multimodalność, Apache 2.0, a według karty Qwen: 90,3 LiveCodeBench v6, 89,2 GPQA Diamond, 84,3 OSWorld-Verified, 79,0 QwenSWEBench.
Przeczytaj dwukrotnie wynik tau-banking, jeśli użycie narzędzi jest Twoim zmartwieniem. To benchmark zadań obsługi klienta wspomaganych narzędziami — wyszukiwanie konta, zmiana zamówienia, przestrzeganie polityki — a 47.8 to twardy wynik w trudnym teście, a nie liczba marketingowa. Modele ogólnego przeznaczenia stały się w tym dobre, zanim stały się dobre w brzmieniu jak człowiek, i ta kolejność jest sednem tego porównania: Qwen 3.8 będzie niezawodniej prowadzić Twoją pętlę narzędziową niż zrobi to 72-milisekundowy model głosowy, a rozpoczęcie mówienia zajmie mu sekundy.
• Opóźnienie — mediana 72,5 ms dla Tell 1 w harnessie Retell; nasze własne pomiary z działającego wdrożenia wskazują dla Qwen3.8-Max 8 235 ms p50, a dla Qwen3.8-27B 4 197 ms p50 w siedmiodniowym oknie, co jest inną wielkością mierzoną w inny sposób i żadna z nich nie dotyczy tury rozmowy telefonicznej.
• Wywoływanie narzędzi — 95,4% (5. miejsce na 62) dla Tell 1 na stanowisku testowym Retell; 47,8 tau-banking i pełne natywne wywoływanie funkcji z ustrukturyzowanymi danymi wyjściowymi dla Qwen3.8-Max, w benchmarkach ocenianych przez osoby, które nie sprzedają żadnego z tych modeli.
• Kontekst — 1 mln tokenów dla Qwen3.8-Max, 256 tys. dla Qwen3.8-27B; niepublikowane dla Tell 1 i w dużej mierze nieistotne podczas rozmowy, w której baza wiedzy znajduje się poza modelem.
• Cena — Tell 1 mieści się w przedziale od 0,07 do 0,31 USD za minutę w Retell, z czego 3,5 centa z tej kwoty przypisuje się modelowi; Qwen3.8-Max kosztuje 2 USD za wejście i 6 USD za wyjście za milion tokenów, Qwen3.8-27B — 0,33 i 2,40 USD, oba według cennika dostawcy przez OrcaRouter bez doliczonej marży.

Arytmetyka, która decyduje o większości wdrożeń
Przeliczanie między tymi dwiema jednostkami ceny to moment, w którym porównania zwykle tracą precyzję, więc oto ta konwersja przeprowadzona otwarcie. Minuta mowy to około 150 wypowiedzianych słów, co odpowiada około 200 tokenom wyjścia i być może od 1500 do 3000 tokenów wejścia, gdy policzyć prompt, odzyskaną wiedzę i schematy narzędzi. Przy cenie Qwen3.8-Max wynoszącej $2/$6 to mniej niż dwa centy na minutę kosztu modelu; przy cenie Qwen3.8-27B wynoszącej $0.33/$2.40 to ułamek centa.
Więc model rozliczany za token nie jest kosztowną częścią — i w tym tkwi pułapka. Tym, czego nie można uzyskać od Qwen 3.8 za żadną cenę, jest pierwsza sylaba w 72 ms, ponieważ flagowy model z 2,4 biliona parametrów, odpowiadający w osiem sekund, już stracił dzwoniącego. Koszt hostowanego flagowca to nie tokeny; to czas pełnej rundy. Zbudowanie tego samego samodzielnie oznacza wzięcie odpowiedzialności za budżet opóźnień od początku do końca — współlokowanie modelu ze stosem mowy, ograniczanie długości wyjścia, strumieniowanie pierwszego zdania, zanim zakończy się wywołanie narzędzia — i to właśnie ta inżynieria jest rzeczywistą pozycją kosztową, a nie 0,02 USD.
Dlatego uczciwy werdykt ma charakter architektoniczny, a nie konkurencyjny. Wartość Tell 1 polega na tym, że ktoś już zainwestował pracę inżynierską w pierwsze 800 milisekund rozmowy telefonicznej. Wartość Qwen 3.8 polega na tym, że wypada mierzalnie lepiej w tej części rozmowy, w której coś się załatwia, i jest dostępny zarówno jako API, które można wywoływać, jak i jako wagi, które można hostować.
Wzorzec split-stack i gdzie router dowodzi swojej wartości
Konfiguracja, która to rozwiązuje, nie jest wyborem między dwoma modelami; to podział pracy, który platformy głosowe już stosują wewnętrznie. Własna strona główna Retell opisuje swój stos dokładnie w ten sposób: model do rozumowania i orkiestracji, harness agenta, który gromadzi wiedzę i narzędzia, oraz odrębna warstwa mowy. Tell 1 zajmuje jedno miejsce w tym układzie, a nie wszystkie.
Poza platformą głosową ten sam podział wygląda tak. Mały, szybki model obsługuje warstwę przejmowania tur — potwierdzenie, doprecyzowanie, „pozwól, że to sprawdzę” — podczas gdy kroki wymagające intensywnego użycia narzędzi i rozumowania trafiają do modelu z lepszym dorobkiem w wywoływaniu funkcji i długim kontekście. Qwen 3.8 dobrze pasuje do tej drugiej roli, a oba jego główne warianty można trasować przez OrcaRouter na jednym kluczu: przełączaj się między Qwen3.8-Max i Qwen3.8-27B, zmieniając ciąg modelu, utrzymuj łańcuch awaryjny, aby błąd 429 po stronie nadrzędnej nie stał się przerwanym połączeniem, i używaj DSL trasowania, by trudne tury kierować do modelu flagowego, a rutynowe do tańszego wariantu. Cena katalogowa dostawcy jest przekazywana bez żadnych narzutów, więc zmiana ceny Qwen dociera do Ciebie tego samego dnia, a nie dopiero przy kolejnym odnowieniu umowy.
Tell 1 nie znajduje się w naszym katalogu i nie będzie; nie jest sprzedawany jako model. Możemy natomiast zaoferować ścieżkę eskalacji wokół niego — model, który wywołuje Twój agent głosowy, gdy dzwoniący pyta o coś, czego nie obejmuje skrypt.
Jak to załatwić w ciągu tygodnia
Weź pięćdziesiąt rzeczywistych połączeń z własnej kolejki, a nie syntetycznych — słabość benchmarku polega na tym, że jego połączenia pochodzą z Retell, a twoje tryby awarii żyją we własnych transkryptach. Przepuść każde przez dwie konfiguracje: Tell 1 wewnątrz Retell oraz tę samą logikę agenta skierowaną na Qwen3.8-Max. Oceń trzy rzeczy i zignoruj wszystko inne. Czy wywołanie narzędzia zostało uruchomione z właściwymi argumentami? Czy odpowiedź była zgodna z twoją bazą wiedzy? I w jakim znaczniku czasu agent zaczął mówić po tym, jak dzwoniący przestał?
Moje oczekiwanie, oparte na opublikowanych liczbach, a nie na testach: konfiguracja Qwen wygra pierwsze dwie i zdecydowanie przegra trzecią, a wielkość tej trzeciej luki to jedyna liczba, która rozstrzyga o architekturze. Jeśli Twoje połączenia to głównie wyszukiwania z prawidłową odpowiedzią, przewaga modelu dostrojonego do głosu w zakresie opóźnienia jest warta mniej niż kilka punktów dokładności wywoływania narzędzi i wygrywa model ogólny. Jeśli Twoje połączenia to głównie rozmowa — wstępna ocena, uspokajanie, kwalifikacja — wywołania narzędzi są płytkie, opóźnienie jest wszystkim, a model stworzony do telefonu jest właściwym elementem do tego zadania.
Obie odpowiedzi można obronić, dlatego właśnie ujęcie „która jest lepsza” zawodzi. Jedyne, czego bym nie zrobił, to wybór Tell 1 ze względu na pierwsze miejsce w rankingu bez przeczytania kolumny, w której jest piąty, albo wybór Qwen 3.8 ze względu na Intelligence Index bez zmierzenia stoperem czasu do pierwszego tokenu w trakcie rzeczywistego połączenia.


