
Tell 1 vs Qwen 3.8: A lacuna de chamada de ferramentas que ninguém coloca na manchete
- OrcaNOVOOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 por 1M de tokens · 169 tok/s
- tencentNOVOTencent: Hy4 Flash2026-11-16$0.02 / $0.07 por 1M de tokens · 236 tok/s
- GoogleNOVOGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 por 1M de tokens · 89 tok/s
- AnthropicNOVOAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 por 1M de tokens · 98 tok/s
- orcaNOVOOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 por 1M de tokens · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 por 1M de tokens · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 por 1M de tokens · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 por 1M de tokens · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 por 1M de tokens · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 por 1M de tokens · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Inteligência
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 por 1M de tokens · 198 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Inteligência
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 por 1M de tokens · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Inteligência
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 por 1M de tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Inteligência
A Retell publica um ranking de modelos de voz e coloca Tell 1 em primeiro lugar nele. O mesmo ranking, lido um pouco mais abaixo em cada coluna, diz que o Tell 1 é o quinto em acionar ferramentas. Essa única posição é a coisa mais útil da página, porque marca a fronteira exata entre o que o Tell 1 foi construído para fazer e aquilo em que um modelo de propósito geral como Qwen 3.8 — a geração cujo carro-chefe é Qwen3.8-Max e cujo membro denso aberto é Qwen3.8-27B — agora é genuinamente bom. Um agente telefônico que não consegue marcar o compromisso é pior do que um lento. Um modelo de 2,4 trilhões de parâmetros que leva 8 segundos para dizer olá não consegue atender o telefone de jeito nenhum. A pergunta interessante não é qual modelo é melhor; é onde, na sua stack, cada um deixa de ser a ferramenta certa.
Vale nomear os níveis de evidência antes de qualquer outra coisa, porque esses dois modelos são documentados de formas incompatíveis. O Qwen3.8-Max foi lançado como uma API paga em 3 de agosto de 2026, com uma matriz de capacidades publicada, contexto de 1M tokens e benchmarks do fornecedor; o Qwen3.8-27B veio depois como pesos Apache-2.0 baixáveis; ambos são pontuados independentemente pela Artificial Analysis. O Tell 1 tem uma única linha em um benchmark escrito pelo próprio dono e nenhum model card. Portanto, um lado desta página é medido e o outro é reportado, e cada número abaixo está rotulado de acordo.
O que o quinto lugar do Tell 1 realmente custa a você
Os números da própria tabela do vCX merecem ser lidos na ordem em que aparecem, e não na ordem que os rankings sugerem. Na linha que a Retell chama de coloquial, o Tell 1 marca 96,6% e nenhuma configuração no universo de 62 o supera. Na linha que ela chama de tool calling, o mesmo modelo marca 95,4% e outros quatro se saem melhor — o que não é um defeito do modelo, mas sim uma declaração sobre aquilo para que ele foi ajustado para ser bom. A média de 94,45% e a mediana de 72,5 ms decorrem ambas dessa prioridade; assim como um custo de modelo de 3,5 centavos por minuto que ocupa o 19º lugar, confortavelmente no meio da tabela.
O número da quinta colocação — 95,4%, 954 de 1.000 avaliações aprovadas — não é ruim em termos absolutos. O que importa é o padrão. Em um fluxo de centro de contacto, as chamadas de ferramentas são onde o agente faz algo irreversível: agenda um horário, processa um pagamento, transfere uma pessoa que liga, cancela um pedido. Uma taxa de falha de 4,6% nessas etapas é um sistema que funciona na maioria das vezes e ocasionalmente faz a coisa errada, que é precisamente o modo de falha que faz um agente de IA ser retirado de produção após um mês. Os ganhos em linguagem coloquial e latência, em contrapartida, são os que fazem com que ele seja aprovado em primeiro lugar. Essa assimetria — melhor na demonstração do que na transação — é o que deve ser testado, não o que se deve presumir.
Duas ressalvas sobre o próprio benchmark, já que ele é a única evidência pública para o Tell 1. Sua linha traz a versão 17 do harness, enquanto 50 das 62 linhas trazem a versão 1, então o "#1 no geral" agrega dois conjuntos de testes diferentes. E é o benchmark da própria Retell, executado com os padrões de tráfego da Retell, o que é uma metodologia legítima e não independente.
O que o Qwen 3.8 traz para o mesmo problema
O Qwen 3.8 é uma geração, não um modelo, e a distinção importa aqui. O Qwen3.8-Max é o carro-chefe hospedado: contexto de 1 milhão de tokens, entrada de texto, imagem e vídeo, modo de raciocínio, chamada de funções, ferramentas integradas e saídas estruturadas, disponibilizado em formatos de comunicação compatíveis com OpenAI, Anthropic e DashScope. A Artificial Analysis atribui a ele 33,7 no seu Intelligence Index — melhor do que 73% dos modelos com que o compara —, com 76,2 no Coding Index, 92,8 no GPQA Diamond, 88,8 no Terminal-Bench 2.1 e 47,8 no tau-banking, a combinação de avaliações do fornecedor e independentes citada na nossa página do modelo. O Qwen3.8-27B é o membro denso de pesos abertos: 27 bilhões de parâmetros, contexto de 256K, multimodal, Apache 2.0 e, na ficha do próprio Qwen, 90,3 no LiveCodeBench v6, 89,2 no GPQA Diamond, 84,3 no OSWorld-Verified e 79,0 no QwenSWEBench.
Leia o número do tau-banking duas vezes se o uso de ferramentas é a sua preocupação. É um benchmark de tarefas de atendimento ao cliente com uso de ferramentas — consultar uma conta, alterar um pedido, seguir uma política — e 47,8 é uma pontuação dura em um teste difícil, não um número de marketing. Modelos de propósito geral ficaram bons nisso antes de ficarem bons em soar humanos, e a ordenação é toda a história desta comparação: o Qwen 3.8 executará seu loop de ferramentas com mais confiabilidade do que um modelo de voz de 72 milissegundos, e levará segundos para começar a falar.
• Latência — 72,5 ms de mediana para o Tell 1 dentro do harness do Retell; nossas próprias medições em produção colocam o Qwen3.8-Max em 8.235 ms p50 e o Qwen3.8-27B em 4.197 ms p50 ao longo de uma janela de sete dias, o que é uma grandeza diferente medida de uma forma diferente, e nenhuma das duas é um turno de chamada telefônica.
• Chamada de ferramentas — 95,4% (5º lugar entre 62) para o Tell 1 no harness da Retell; 47,8 tau-banking e chamada de funções nativa completa com saídas estruturadas para o Qwen3.8-Max, em benchmarks avaliados por pessoas que não vendem nenhum dos dois modelos.
• Contexto — 1M de tokens para o Qwen3.8-Max, 256K para o Qwen3.8-27B; não publicado para o Tell 1 e em grande parte irrelevante numa chamada, onde a base de conhecimento fica fora do modelo.
• Preço — O Tell 1 está dentro do intervalo de US$ 0,07 a US$ 0,31 por minuto da Retell, com 3,5 centavos disso atribuídos ao modelo; o Qwen3.8-Max custa US$ 2 de entrada e US$ 6 de saída por milhão de tokens, e o Qwen3.8-27B, US$ 0,33 e US$ 2,40, ambos na tabela do provedor via OrcaRouter, sem acréscimo de markup.

A aritmética que decide a maioria das implantações
Converter entre as duas unidades de preço é onde as comparações costumam ficar imprecisas, então aqui está a conversão feita em voz alta. Um minuto de fala tem cerca de 150 palavras faladas, o que dá aproximadamente 200 tokens de saída e talvez 1.500 a 3.000 tokens de entrada quando se contam o prompt, o conhecimento recuperado e os esquemas das ferramentas. Com $2/$6 do Qwen3.8-Max, isso fica abaixo de dois centavos por minuto de custo de modelo; com $0.33/$2.40 do Qwen3.8-27B, é uma fração de centavo.
Então, o modelo por token não é a parte cara, e é aí que está a armadilha. O que você não consegue obter do Qwen 3.8 a preço algum é uma primeira sílaba em 72 ms, porque um modelo de ponta de 2,4 trilhões de parâmetros que responde em oito segundos já perdeu o chamador. O custo do modelo de ponta hospedado não são os tokens; é o tempo de ida e volta. Construir a mesma coisa por conta própria significa assumir o orçamento de latência de ponta a ponta — colocar o modelo no mesmo ambiente da pilha de fala, limitar o comprimento da saída, transmitir a primeira oração antes que a chamada de ferramenta seja resolvida — e essa engenharia é o item de custo real, não os US$ 0,02.
É por isso que o veredito honesto é arquitetural, e não competitivo. O valor do Tell 1 é que alguém já investiu a engenharia nos primeiros 800 milissegundos de uma chamada telefônica. O valor do Qwen 3.8 é que ele é mensuravelmente melhor na parte da chamada em que algo é feito, e está disponível tanto como uma API chamável quanto como pesos que você pode hospedar.
O padrão split-stack, e onde um roteador conquista seu lugar
A configuração que resolve isto não é uma escolha entre os dois modelos; é uma divisão de trabalho, e as plataformas de voz já a praticam internamente. A própria página inicial da Retell descreve a sua stack exatamente dessa forma: um modelo para raciocínio e orquestração, um harness de agente que reúne conhecimento e ferramentas, e uma camada de fala separada. O Tell 1 ocupa um lugar nesse arranjo, não todos.
Fora de uma plataforma de voz, a mesma divisão funciona assim. Um modelo pequeno e rápido cuida da camada de alternância de turnos — a confirmação, o esclarecimento, o “deixe-me verificar isso para você” — enquanto as etapas com uso intensivo de ferramentas e de raciocínio vão para um modelo com melhor histórico em chamada de funções e contexto longo. O Qwen 3.8 se encaixa bem na segunda função, e ambos os seus principais membros podem ser roteados pelo OrcaRouter com uma única chave: alterne entre Qwen3.8-Max e Qwen3.8-27B mudando a string do modelo, mantenha uma cadeia de fallback para que um 429 upstream não se torne uma chamada perdida, e use a DSL de roteamento para enviar os turnos difíceis ao modelo principal e os rotineiros ao membro mais barato. O preço de tabela do provedor é repassado sem acréscimos, então uma mudança de preço do Qwen chega até você no mesmo dia, e não na próxima renovação de contrato.
Tell 1 não está no nosso catálogo e não estará; não é vendido como modelo. O que podemos fazer é o caminho de escalonamento em torno dele — o modelo que seu agente de voz chama quando o interlocutor pergunta algo que o roteiro não cobre.
Como resolver isso em uma semana
Pegue cinquenta chamadas reais da sua própria fila, não sintéticas — a fraqueza do benchmark é que as chamadas dele são da Retell, e seus modos de falha vivem nas suas próprias transcrições. Execute cada uma em duas configurações: Tell 1 dentro da Retell, e a mesma lógica de agente apontada para o Qwen3.8-Max. Avalie três coisas e ignore todo o resto. A chamada de ferramenta disparou com os argumentos corretos? A resposta correspondeu à sua base de conhecimento? E em qual timestamp o agente começou a falar depois que o chamador parou?
A minha expectativa, com base nos números publicados e não em testes: a configuração do Qwen vencerá as duas primeiras e perderá a terceira por muito, e o tamanho dessa terceira diferença é o único número que decide a arquitetura. Se as suas chamadas forem sobretudo consultas com uma resposta certa, a vantagem de latência de um modelo afinado para voz vale menos do que alguns pontos de precisão na chamada de ferramentas, e o modelo geral vence. Se as suas chamadas forem sobretudo conversa — triagem, tranquilização, qualificação —, as chamadas de ferramentas são superficiais, a latência é tudo, e um modelo concebido para o telefone é a peça certa para o trabalho.
Ambas as respostas são defensáveis, e é por isso que o enquadramento de "qual é melhor" falha. A única coisa que eu não faria é escolher Tell 1 com base em uma classificação em primeiro lugar sem ler a coluna em que ele está em quinto, ou escolher Qwen 3.8 com base em um Intelligence Index sem cronometrar seu primeiro token dentro de uma chamada ao vivo.


