Tell 1 vs Gemma 4 12B: Um que você pode colocar em um disco, outro que você só pode acessar por telefone

A maneira mais rápida de entender a diferença entre o Tell 1 e o G​emma 4 12B é tentar baixar os dois. O G​emma 4 12B chega como cerca de 27 GB de safetensors em BF16 sob a licença Apache 2.0, roda a cerca de 110 tokens por segundo em uma única placa de 24 GB em uma versão quantizada, e responde a você e a mais ninguém. O Tell 1 não chega de jeito nenhum. É o modelo de raciocínio próprio da Retell, que fica dentro de uma plataforma de agentes de voz que cobra de US$ 0,07 a US$ 0,31 por minuto e não vende o modelo, não publica uma ficha do modelo para ele nem permite que você o aponte para a sua própria infraestrutura. Todo o resto nesta comparação decorre dessa assimetria, incluindo os benchmarks, porque um desses modelos pode ser medido por qualquer pessoa com uma GPU, e o outro só pode ser medido pela empresa que o possui.

Ambos são lançamentos genuinamente interessantes, e foram criados para tarefas diferentes. O Gemma 4 12B é o modelo aberto de tamanho médio sem encoder do Google DeepMind, lançado a 3 de junho de 2026, concebido para fazer raciocínio multimodal na máquina à sua frente. O Tell 1 é a camada de raciocínio de uma stack de centro de contacto que tratava mais de 100 milhões de chamadas por mês antes de o modelo existir, e o seu objetivo de conceção é aquilo que um modelo local não consegue proporcionar: uma primeira sílaba que caia dentro da tolerância ao silêncio de quem faz uma chamada telefónica.

Duas coisas chamadas modelo, e apenas uma é um arquivo

O Gemma 4 12B tem 11,95 bilhões de parâmetros densos, sem codificador separado de visão ou áudio — patches de imagem e formas de onda de áudio entram diretamente no transformer, e é por isso que a família é distribuída como um checkpoint "unificado" em vez de uma pilha de torres. Ele tem contexto de 256K tokens e lê texto, imagens, áudio e quadros de vídeo. O repositório no Hugging Face foi baixado mais de 14 milhões de vezes, o template de chat foi revisado pela última vez em 9 de julho de 2026, e a licença é Apache 2.0, sem cláusula de receita, sem cláusula de contagem de usuários e sem acordo comercial separado a negociar.

O Tell 1 não tem nenhum desses artefatos. Não há repositório, nem configuração, nem tokenizador, nem texto de licença, nem número da janela de contexto publicado em lugar algum que eu tenha conseguido encontrar no próprio site da Retell — e eu olhei o blog, o changelog, o índice de documentação, a sala de imprensa e o site de benchmarks de modelos da empresa. Os dois lugares em que ele aparece são um rótulo na página inicial, onde fica ao lado de "Agent harness", sob uma seção intitulada "Desenvolvido pela Retell Labs", e uma nota de atualização de novembro adicionada a um changelog de setembro sobre o benchmark público de voz da Retell. Esse é todo o registro público. Não é um escândalo; muitos fornecedores de plataforma lançam modelos internos sem documentá-los. Mas isso significa que metade desta comparação tem de ser feita com base na palavra do fornecedor, e a outra metade pode ser feita por você, hoje à noite, no seu próprio hardware.

As cinco perguntas que um deles responde em público

Coloque os dois lado a lado nas dimensões de que um comprador realmente precisa, e a forma da lacuna fica óbvia. Ambos os lados de cada linha, porque o ponto é o contraste, e não uma pontuação:

• Pesos — G​emma 4 12B publica-os, Apache 2.0, auto-hospedáveis, ajustáveis e redistribuíveis; a Tell 1 não publica nada e só é acessível como parte de um agente de voz Retell.

• Tamanho — 11,95B de parâmetros densos, cerca de 27 GB em BF16 e menos de 7 GB quantizados, para o G​emma; não divulgado para o Tell 1, e o fato de responder com uma mediana de 72 ms dentro do harness da Retell implica um modelo pequeno e de propósito específico, em vez de um generalista de fronteira, mas isso é inferência, não documentação.

• Contexto — 256K tokens para o G​emma 4 12B; não informado para o Tell 1, o que, para um agente telefônico, é menos alarmante do que parece, já que uma chamada é curta e a base de conhecimento fica fora do modelo.

• Modalidades — G​emma recebe texto, imagem, áudio e vídeo e retorna texto; Tell 1 recebe o payload de transcrição e ferramentas que uma plataforma de voz lhe entrega, e não é publicado o que mais ele aceita.

• Evidência — O Gemma tem uma ficha do fornecedor (DocVQA 94,9, InfoVQA 88,4, MMLU-Pro 77,2, GPQA Diamond 78,8, todos divulgados pelo Google), além de um Artificial Analysis Intelligence Index independente de 14 a aproximadamente 110,9 tokens por segundo; o Tell 1 tem uma linha em um benchmark escrito por seu proprietário, o que é abordado abaixo.

Observe qual coluna é mais longa. Isso não é uma crítica à qualidade do Tell 1; é uma afirmação sobre o que você pode verificar antes de gastar dinheiro. Um modelo que você pode baixar pode ser testado com seus próprios dados em uma tarde. Um modelo que você só pode alugar é testado alugando-o.

O que o número principal do Tell 1 realmente mede

O vCX Benchmark da Retell publica seus resultados como dados estruturados, e não como um gráfico de marketing, o que é mais do que a maioria dos rankings de fornecedores faz. O Tell 1 está em uma tabela de 62 configurações avaliadas, extraídas de 45 modelos, e sua linha é mais forte no extremo conversacional: 96,6% na dimensão coloquial da Retell e uma mediana de 72,5 ms, primeiro lugar no campo em ambos. A mesma linha aparece em segundo lugar em seguimento de instruções e na linha que a Retell rotula como alucinação, em quinto em chamada de ferramentas, e com um custo de modelo de 3,5 centavos por minuto que o coloca em 19º de 62. Faça a média das quatro dimensões e você chega a 94,45%, que é o número com o qual a Retell lidera.

Duas ressalvas devem acompanhar essas posições, e nenhuma delas significa que a Retell esteja sendo desonesta — os dados simplesmente não sustentam uma leitura mais limpa. Primeiro, a linha do Tell 1 traz a versão 17 do benchmark, enquanto 50 das 62 linhas trazem a versão 1; um benchmark que revisa suas tarefas está fazendo a coisa certa, mas o "#1 overall" calculado em dois conjuntos de testes diferentes é um agregado, não um resultado comparável em pé de igualdade, e a página não normaliza isso. Segundo, as quatro dimensões não concordam. O Tell 1 não é o melhor modelo do seu próprio benchmark em seguir instruções nem em chamar ferramentas — o GPT-6-Astra pontua 89,7% em seguir instruções, contra 88,6% do Tell 1, e pelo menos uma versão do Claude fica à frente em chamadas de ferramentas. O que ele vence de forma absoluta são as duas coisas que quem liga consegue ouvir: ele é o mais rápido e o que mais soa como uma pessoa.

Um número que vale a pena deixar claro, porque os dois costumam ser confundidos na cobertura: 72 ms é a latência do modelo dentro do harness, não a experiência de quem liga. A página inicial da Retell cita um tempo de resposta típico do agente de cerca de 600 ms de ponta a ponta, o que inclui reconhecimento de fala, orquestração, o turno do modelo e síntese de fala. Os dois números podem estar certos. Apenas o segundo é o que uma pessoa ao telefone percebe.

Onde cada um pertence em uma pilha

O G​emma 4 12B é uma opção ruim para um agente telefônico ao vivo, e não por causa da qualidade. Um modelo denso de 12B em uma única GPU é um bom componente, mas a ida e volta pela sua própria stack de serving, somada ao reconhecimento e à síntese de fala, é o que empurra a resposta de ponta a ponta para a faixa em que quem está ligando começa a falar por cima do agente. A própria caracterização do G​oogle para o 12B é de trabalho agêntico em um laptop — compreensão de documentos, leitura de tela, uso de ferramentas, auxílio à programação — e essa caracterização é precisa. Se o seu trabalho envolve cem mil notas fiscais por noite, um corpus privado que você não pode enviar a terceiros, ou um dispositivo de campo offline, o Tell 1 não tem como competir, porque o Tell 1 não pode ser implantado nesses contextos de forma alguma.

Tell 1 é o contrário. Não pode sair da Retell, não pode ser ajustado por você com suas transcrições e não pode ser submetido a benchmark por terceiros sem a cooperação da Retell. O que ele pode fazer é responder dentro de uma plataforma que já detém a telefonia, a alternância de turnos e a voz, e fazer isso em 72 ms, que é a parte da stack que nenhuma quantidade de engenharia de prompt corrige. Se você está comprando um agente de contact center em vez de construí-lo, essa é a única coluna que importa.

O meio-termo é onde a maioria das equipes realmente acaba: um modelo pequeno auto-hospedado para o trabalho em massa e determinístico, e um modelo de fronteira hospedado para as tarefas difíceis. Nenhum desses dois modelos é a escolha natural para essa segunda posição, e é aí que o nosso próprio catálogo é relevante. Nem o Tell 1 nem o G​emma 4 12B são roteáveis pelo OrcaRouter — não hospedamos o Tell 1, e os tamanhos do G​emma 4 que oferecemos são o 31B Instruct e o 26B A4B, não o 12B. Esses dois têm preço de tabela do provedor, sem acréscimo: $0,13 de entrada e $0,38 de saída por milhão de tokens para o 31B, e $0,06 e $0,33 para o 26B A4B, o que é o ponto de comparação honesto se o que você queria do 12B era "um G​emma 4 que eu possa chamar sem ter uma GPU".

Custo, convertido para a mesma unidade

Comparar um preço de plataforma por minuto com um preço de modelo por token é onde a maioria desses textos trapaceia discretamente, então aqui está a conversão, em vez de um veredito. O Tell 1 não tem preço separado; ele está dentro dos US$ 0,07 a US$ 0,31 por minuto da Retell, e a linha do benchmark que o inclui diz 3,5 centavos por minuto de custo de modelo, o que fica dentro dessa faixa em vez de substituí-la. O Gemma 4 12B, com o preço combinado da Artificial Analysis de US$ 0,10 por milhão de tokens de entrada e US$ 0,30 por milhão de tokens de saída, é praticamente gratuito por token, e então você paga pela GPU: uma placa de 24 GB rodando por uma hora custa mais do que mil minutos do nível mais barato da Retell, então o ponto de virada só acontece com volume sustentado e alta utilização.

• Unidade de custo — dólares por minuto de conversa para o Tell 1; dólares por milhão de tokens mais horas de GPU para o Gemma 4 12B.

• Ponto de equilíbrio — G​emma vence no custo marginal no momento em que suas GPUs já estão ocupadas; Tell 1 vence no custo total de propriedade até que o volume seja grande o suficiente para manter uma placa saturada.

• Itens de linha ocultos — O Tell 1 agrupa telefonia, síntese de fala e o harness em um único número; uma stack G​emma auto-hospedada cobra separadamente pelo ASR, pelo T​TS, pela camada de serving e pelo engenheiro de plantão.

Qual escolher

Se o requisito é um agente telefônico que soe humano neste trimestre, o Tell 1 é o único dos dois que é um produto, e o benchmark — ressalvas incluídas — diz que aquilo em que ele é melhor é exatamente o que você está comprando. Teste-o contra o modelo em que você confia atualmente dentro do mesmo agente Retell, ouça vinte ligações e conte os erros de ancoragem, porque é aí que os próprios dados da Retell dizem que ele perde.

Se o requisito é um modelo que você possa inspecionar, fazer ajuste fino, hospedar de forma privada, redistribuir dentro de um produto ou executar sem rede, o G​emma 4 12B não é apenas a melhor opção — é a única opção nesta página. Apache 2.0 e um contexto de 256K em 12B formam uma combinação que fica mais útil a cada mês, e os 14 milhões de downloads sugerem que muitas equipes já chegaram a essa conclusão.

A pergunta que vale a pena fazer antes de qualquer uma das duas compras é qual dessas duas frases descreve o seu problema, porque não se trata do mesmo problema, e nenhum benchmark pode dizer qual dos dois é o seu.