O run rate de US$ 100 milhões da Retell veio com um modelo: o que o Tell 1 realmente é

Em 12 de novembro de 2026, a Retell publicou duas coisas que serão lidas em conjunto, independentemente da intenção da empresa: um post no blog anunciando que havia ultrapassado US$ 100 milhões em run rate anualizado e, na mesma semana, a primeira evidência pública do Tell 1 — um modelo que a Retell construiu sozinha e descreve como seu, listado na página inicial da empresa sob "Developed by Retell Labs" como a camada de raciocínio de seu stack de voz. O número de receita é o que circula. O modelo é o que muda o que a Retell é, porque uma plataforma de agente de voz que apenas encaminha seu prompt para GPT ou Claude é um negócio diferente de uma que também entrega o cérebro.

O que o Tell 1 não é, até o momento desta redação, está documentado. Não há post de lançamento, entrada de changelog, model card, API, linha de preços nem liberação de pesos em nenhum lugar do site da Retell que o nomeie além de um rótulo. O próprio post dos US$ 100 milhões nunca o menciona. A única página publicada pela Retell que diz algo substancial é um changelog de benchmark de 29 de setembro de 2026, com uma atualização de novembro: o Tell 1 "ocupa o 1º lugar geral no Retell vCX Benchmark", lidera em fala coloquial e latência, e perde para outros modelos em grounding, seguimento de instruções e chamada de ferramentas. Isso é uma empresa classificando seu próprio modelo em primeiro lugar em um benchmark que ela mesma escreveu, e ela diz isso em uma frase — o que é mais franqueza do que a maioria dos fornecedores consegue, e ainda não é evidência sobre a qual se possa basear uma decisão de compra.

Os dois números, e quanto vale cada um

A cifra de receita é da própria Retell e tem o formato de um marco de empresa privada, não de um resultado auditado: US$ 100 milhões anualizados, alcançados com US$ 4,6 milhões captados, em menos de três anos, com mais de 4.000 clientes que realizam mais de 100 milhões de chamadas por mês. O CEO Bing Wu situou a trajetória em US$ 10 milhões a US$ 100 milhões em 17 meses e acrescentou que a empresa é lucrativa. Nada disso foi verificado de forma independente, e “taxa de execução anualizada” é uma construção prospectiva — ela multiplica um mês recente, não reporta um ano. Trate isso como um forte sinal sobre adoção, o que as referências de clientes corroboram, e não como uma demonstração financeira.

A alegação sobre o modelo é mais difícil. O detalhe amplamente repetido — de que o Tell 1 foi treinado com mais de 1 milhão de horas de chamadas de clientes — é atribuído à Retell em cobertura secundária, e não consegui encontrá-lo em nenhuma página de propriedade da Retell: nem no blog, nem no changelog, nem no índice da documentação, nem no site de benchmarks do modelo. Isso não o torna falso. Significa que, se o número do corpus de treinamento é relevante para sua avaliação — e, para um comprador de contact center preocupado com a origem do comportamento do modelo, deveria ser —, você está atualmente aceitando uma citação de segunda mão de uma declaração da empresa. Um milhão de horas é aproximadamente 114 anos de áudio. É um número plausível para uma plataforma que realiza 100 milhões de chamadas por mês, e plausibilidade não é documentação.

O que está documentado, em formato legível por máquina, é o benchmark. O site vCX da Retell disponibiliza seus resultados como dados estruturados, e a linha do Tell 1 traz: 88,6% de obediência a instruções, 97,2% na linha que a Retell rotula como alucinação, 95,4% de chamada de ferramentas, 96,6% na pontuação da dimensão coloquial, para uma média de 94,45% em 62 configurações avaliadas de 45 modelos distintos. A latência mediana é de 72,5 ms e o custo é de 3,5 centavos por minuto, o que o coloca em primeiro entre 62 em latência e em 19º em custo.

A ressalva dentro do ranking

Leia a linha antes do ranking. A entrada do Tell 1 foi avaliada na versão 17 do benchmark. Cinquenta das 62 linhas dessa mesma tabela foram avaliadas na versão 1. Apenas onze linhas estão em alguma versão acima da 1 — as entradas mais recentes do GPT-6.1 e do G​emini-4, algumas builds do Claude e o Tell 1. Um benchmark que evolui seu conjunto de testes está fazendo o certo; o problema é que um "#1 geral" calculado entre linhas de versões diferentes do teste não é um ranking de igual para igual, e a página não faz esse ajuste.

Duas das quatro dimensões também estão mais próximas do que a manchete sugere. A pontuação de chamada de ferramentas do {{1}}Tell 1{{/1}}, de 95,4%, fica em quinto lugar, e sua pontuação de seguimento de instruções, de 88,6%, fica em segundo, atrás dos 89,7% do GPT-6-Astra. Onde ele está genuinamente na frente é na dimensão em torno da qual a Retell construiu o benchmark: fala coloquial, com 96,6%, primeiro lugar, e latência, em que 72 ms não é uma diferença de arredondamento em relação à faixa de 550-1.400 ms ocupada pela maioria das linhas. Se você acredita no harness, a alegação que resiste ao escrutínio é estreita e específica — este modelo é rápido e soa como uma pessoa — e é exatamente o par de propriedades pelo qual um agente telefônico é julgado por quem liga sem saber que existe um modelo.

Por que uma plataforma constrói seu próprio modelo, afinal?

A própria arquitetura da Retell explica o incentivo. A página inicial divide a pilha em três etapas e coloca o Tell 1 na etapa do meio, “Raciocínio e orquestração”, ao lado de um arnês de agente que reúne modelos, conhecimento e ferramentas. Nessa posição, um modelo não é um produto que você compra; é um componente cujo custo, latência e registro conversacional você controla. Uma plataforma que paga a um laboratório de fronteira por token em cada uma de 100 milhões de chamadas mensais tem um problema permanente de margem e um piso permanente de latência, porque a ida e volta até uma pilha de inferência de terceiros ocorre dentro da pausa de quem está falando. Ser dono da camada intermediária elimina ambos, ao custo de precisar ser bom o suficiente nas partes que você assumiu.

É também por isso que as lacunas que a Retell admite são aquelas com que ela pode arcar. Grounding, instruction following e tool calling são onde um modelo de fronteira generalista ainda vence, e são as dimensões em que o prompt, a base de conhecimento e as definições de função do próprio cliente fazem a maior parte do trabalho. As dimensões que a Retell reservou para si são aquelas que nenhum prompt consegue corrigir: a rapidez com que a primeira sílaba chega e se a frase soa a um guião de central de atendimento ou a um colega.

O preço que chega ao comprador ainda é por minuto, não por token: a Retell lista agentes de voz a US$ 0,07 a US$ 0,31 por minuto em novembro de 2026, uma faixa que inclui telefonia, síntese de fala e o modelo. O Tell 1 não aparece como um item de linha que você possa selecionar ou recusar, que é a diferença prática entre um modelo e um recurso de plataforma. Você não pode trazer seu próprio Tell 1, e não pode levá-lo para nenhum outro lugar.

O que isso significa se você está comprando, e não construindo

Para um contact centre empresarial, o resumo honesto é que o Tell 1 é um motivo para voltar a testar o Retell, e ainda não um motivo para padronizar com base nele. Três coisas mudariam isso, e nenhuma delas aconteceu. Um model card com a proveniência dos dados de treino, a janela de contexto e o contrato de tool-calling documentados. Um preço publicado para o modelo separadamente do pacote por minuto, para que o custo possa ser comparado com uma configuração bring-your-own-LLM. E uma avaliação de segunda parte — a Artificial Analysis, um benchmark público de voz, ou as suas próprias gravações de chamadas executadas nas duas configurações — porque um fornecedor que se classifica em primeiro lugar no seu próprio harness é uma hipótese de partida, não um resultado.

Se você está testando, o teste é barato e específico: pegue as ligações que seus agentes realmente atendem e compare o Tell 1 dentro do Retell com o mesmo agente do Retell apontado para um modelo de ponta em que você já confia. O benchmark prevê um resultado — o Tell 1 parecerá mais rápido e mais natural, e cometerá mais erros de fundamentação. Se essa troca é boa depende inteiramente de suas ligações serem consultas com uma resposta correta ou conversas com uma pessoa nervosa, e nenhum ranking pode dizer qual dos dois você tem.

O que assistir

O próximo desenvolvimento mais informativo não é uma pontuação melhor. É qualquer uma das coisas que a Retell ainda não publicou: a ficha do modelo, a alegação de horas de treinamento nas palavras da própria empresa, um preço por modelo ou uma execução independente. Uma empresa com um run rate de US$ 100 milhões e 4.000 clientes tem todos os motivos para publicar todas as quatro, e o fato de uma nota de atualização de benchmark ser atualmente todo o registro público sugere que o modelo entrou em produção antes de entrar na documentação. Isso é normal para infraestrutura e incomum para um modelo, e é o ponto a ser rechecado antes de você citar qualquer número do Tell 1, incluindo os acima, como definitivo.