Tell 1 vs Gemma 4 12B: одного можно записать на диск, а другому можно только позвонить

Самый быстрый способ понять разницу между Tell 1 и G​emma 4 12B — попробовать скачать оба. G​emma 4 12B поставляется как примерно 27 ГБ BF16 safetensors под Apache 2.0, работает со скоростью около 110 токенов в секунду на одной видеокарте с 24 ГБ в квантованной сборке и отвечает вам и никому больше. Tell 1 вообще не поставляется. Это собственная reasoning-модель Retell, находящаяся внутри платформы голосовых агентов, которая берёт от $0,07 до $0,31 за минуту и не продаёт модель, не публикует её карточку модели и не позволяет развернуть её на вашей собственной инфраструктуре. Всё остальное в этом сравнении следует из этой асимметрии, включая бенчмарки, потому что одну из этих моделей может измерить любой, у кого есть GPU, а другую может измерить только компания, которой она принадлежит.

Оба — по-настоящему интересные релизы, созданные для разных задач. Gemma 4 12B — это открытая модель среднего размера без энкодера от Google DeepMind, выпущенная 3 июня 2026 года и предназначенная для мультимодальных рассуждений на машине перед вами. Tell 1 — это слой рассуждений стека контакт-центра, который обрабатывал более 100 млн звонков в месяц ещё до появления модели, а его цель дизайна — то единственное, чего локальная модель дать не может: первый слог, укладывающийся в порог терпимости телефонного звонящего к тишине.

Две вещи называют моделью, и только одна из них — файл.

G​emma 4 12B — это 11,95 млрд плотных параметров без отдельных кодировщиков зрения и аудио: патчи изображений и звуковые волны поступают прямо в трансформер, поэтому семейство поставляется как единый «унифицированный» чекпоинт, а не как набор башен. Модель имеет контекст в 256K токенов и читает текст, изображения, аудио и кадры видео. Репозиторий Hugging Face скачали более 14 млн раз, шаблон чата последний раз обновлялся 9 июля 2026 года, а лицензия — Apache 2.0 без пункта о выручке, пункта о количестве пользователей и без необходимости согласовывать отдельное коммерческое соглашение.

У Tell 1 нет ни одного из этих артефактов. Ни репозитория, ни конфигурации, ни токенизатора, ни текста лицензии, ни значения контекстного окна нигде не опубликовано — по крайней мере, я не смог найти этого на собственном сайте Retell; я просмотрел блог, changelog, индекс документации, пресс-центр и сайт компании с бенчмарками моделей. Единственные два места, где он вообще появляется, — это метка на главной странице, где она стоит рядом с "Agent harness" в разделе с заголовком "Developed by Retell Labs", и примечание к ноябрьскому обновлению, добавленное к сентябрьскому changelog о публичном голосовом бенчмарке Retell. Вот и вся публичная информация. Это не скандал; многие платформенные вендоры выпускают внутренние модели, не документируя их. Но это означает, что половину этого сравнения приходится проводить со слов вендора, а другую половину вы можете провести сами — сегодня вечером, на своём оборудовании.

Пять вопросов, на которые один из них отвечает публично

Поставьте их рядом по тем параметрам, которые действительно важны покупателю, и форма разрыва станет очевидной. Обе стороны каждой строки, потому что суть — в контрасте, а не в оценке:

• Веса — G​emma 4 12B публикует их, Apache 2.0, с возможностью самостоятельного размещения, дообучения и распространения; Tell 1 ничего не публикует, и доступ к нему возможен только в составе голосового агента Retell.

• Размер — 11,95 млрд плотных параметров, около 27 ГБ в BF16 и менее 7 ГБ в квантованном виде, для G​emma; для Tell 1 не раскрыто, а тот факт, что он отвечает с медианой 72 мс в испытательном стенде Retell, указывает на небольшую специализированную модель, а не на фронтирную универсальную модель, но это предположение, а не документация.

• Контекст — 256K токенов для Gemma 4 12B; для Tell 1 не указан, что для телефонного агента не так тревожно, как звучит, поскольку звонок короткий, а база знаний находится вне модели.

• Модальности — G​emma принимает текст, изображения, аудио и видео и возвращает текст; Tell 1 принимает передаваемые голосовой платформой данные с транскриптом и инструментами, а что ещё он принимает, не публикуется.

• Доказательства — У G​emma есть карточка вендора (DocVQA 94.9, InfoVQA 88.4, MMLU-Pro 77.2, GPQA Diamond 78.8, все по данным G​oogle), а также независимый Artificial Analysis Intelligence Index со значением 14 при скорости примерно 110,9 токена в секунду; у Tell 1 есть одна строка в бенчмарке, написанном его владельцем, что рассматривается ниже.

Обратите внимание, какой столбец длиннее. Это не упрёк в адрес качества Tell 1; это утверждение о том, что можно проверить до того, как потратить деньги. Модель, которую можно скачать, можно протестировать на собственных данных за полдня. Модель, которую можно только арендовать, проверяется путём аренды.

Что на самом деле измеряет ключевая цифра Tell 1

vCX Benchmark от Retell публикует свои результаты в виде структурированных данных, а не маркетингового графика, — и это больше, чем делают большинство рейтингов поставщиков. Tell 1 присутствует в таблице из 62 оценённых конфигураций, составленной на основе 45 моделей, и его строка сильнее всего в разговорной части: 96,6% по показателю разговорности Retell и медиана 72,5 мс — первое место в обеих категориях. Та же строка занимает второе место по следованию инструкциям и по строке, которую Retell обозначает как галлюцинации, пятое — по вызову инструментов, а стоимость модели в 3,5 цента за минуту ставит её на 19-е место из 62. Если усреднить четыре показателя, получится 94,45% — именно эту цифру Retell выносит вперёд.

Два уточнения заслуживают места рядом с этими рейтингами, и ни одно из них не означает, что Retell нечестен — данные просто не допускают более однозначного прочтения. Во-первых, строка Tell 1 относится к версии бенчмарка 17, тогда как 50 из 62 строк относятся к версии 1; бенчмарк, который пересматривает свои задачи, поступает правильно, но «#1 в целом», рассчитанный по двум разным наборам тестов, — это агрегат, а не сопоставимый результат, и страница не нормализует его. Во-вторых, четыре измерения не согласуются между собой. Tell 1 не является лучшей моделью в собственном бенчмарке по следованию инструкциям или вызову инструментов — GPT-6-Astra набирает 89,7% по следованию инструкциям против 88,6% у Tell 1, а как минимум одна сборка Claude немного опережает её по вызовам инструментов. Что она выигрывает безоговорочно, так это две вещи, которые слышит звонящий: она самая быстрая и звучит наиболее по-человечески.

Одно число стоит держать в голове без путаницы, потому что в публикациях эти два показателя смешивают: 72 мс — это задержка модели внутри тестового стенда, а не то, что ощущает звонящий. На главной странице Retell указано типичное время ответа агента около 600 мс от начала до конца, включая распознавание речи, оркестрацию, ход модели и синтез речи. Оба числа могут быть верны. Только второе отражает то, что воспринимает человек на телефоне.

Где каждый из них должен находиться в стеке

Gemma 4 12B плохо подходит для живого телефонного агента, и дело не в качестве. Плотная модель с 12B параметров на одном GPU — вполне достойный компонент, но полный цикл через ваш собственный стек обслуживания плюс распознавание и синтез речи — именно это выталкивает сквозное время ответа в диапазон, где звонящие начинают перебивать агента. Сама Google позиционирует 12B как агентную работу на ноутбуке — понимание документов, чтение с экрана, использование инструментов, помощь в программировании — и это позиционирование точное. Если ваша задача — сто тысяч счетов за ночь, частный корпус, который нельзя отправлять третьей стороне, или офлайн-полевое устройство, Tell 1 не может конкурировать, потому что Tell 1 там вообще невозможно развернуть.

Tell 1 — это полная противоположность. Он не может покинуть Retell, вы не можете дообучить его на своих транскриптах, и третья сторона не может провести его бенчмаркинг без содействия Retell. Что он умеет — отвечать внутри платформы, которой уже принадлежат телефония, логика очерёдности реплик и голос, и делать это за 72 мс, а это та часть стека, которую не исправить никаким промпт-инжинирингом. Если вы покупаете агента для контакт-центра, а не создаёте его сами, это единственный столбец, который имеет значение.

Золотая середина — это то, куда на практике приходит большинство команд: небольшая модель, развёрнутая у себя, для основной детерминированной работы и облачная передовая модель для сложных случаев. Ни одна из этих двух моделей не является естественным выбором для второго слота, и вот здесь наш собственный каталог уместен. Ни Tell 1, ни G​emma 4 12B не маршрутизируются через OrcaRouter — мы не хостим Tell 1, а размеры G​emma 4, которые у нас есть, — это 31B Instruct и 26B A4B, а не 12B. Эти две модели идут по прайс-листу провайдера без надбавок: $0.13 за вход и $0.38 за выход за миллион токенов для 31B и $0.06 и $0.33 для 26B A4B — это честная точка сравнения, если от 12B вы хотели «G​emma 4, которую можно вызвать, не владея GPU».

Стоимость, приведённая к той же единице измерения

Сопоставление поминутной цены платформы с ценой модели за токен — именно на этом большинство подобных разборов тихо жульничает, так что вот вам пересчёт, а не вердикт. Tell 1 не тарифицируется отдельно: он входит в диапазон Retell от $0,07 до $0,31 за минуту, а строка бенчмарка, в которой он фигурирует, указывает 3,5 цента за минуту стоимости модели — то есть попадает внутрь этого диапазона, а не заменяет его. Gemma 4 12B при смешанной цене Artificial Analysis в $0,10 за миллион входных и $0,30 за миллион выходных токенов стоит за токен примерно ничего, но потом вы платите за GPU: час работы карты на 24 ГБ стоит дороже, чем тысяча минут на самом дешёвом тарифе Retell, так что перелом наступает только при устойчивых объёмах с высокой загрузкой.

• Единица стоимости — доллары за минуту разговора для Tell 1; доллары за миллион токенов плюс GPU-часы для G​emma 4 12B.

• Точка безубыточности — Gemma выигрывает по предельным затратам, когда ваши GPU уже загружены; Tell 1 выигрывает по совокупной стоимости владения, пока объём не станет достаточно большим, чтобы держать карту полностью загруженной.

• Скрытые статьи расходов — Tell 1 объединяет телефонию, синтез речи и обвязку в одну сумму; self-hosted стек G​emma выставляет вам отдельные счета за ASR, T​TS, слой обслуживания и дежурного инженера.

Какой вариант выбрать

Если требование — телефонный агент, который звучит по-человечески в этом квартале, то Tell 1 — единственный из двух, являющийся продуктом, и бенчмарк — с учётом всех оговорок — говорит, что то, в чём он лучше всего, — это именно то, что вы покупаете. Проверьте его против модели, которой вы сейчас доверяете, внутри того же агента Retell, прослушайте двадцать звонков и посчитайте ошибки привязки к источникам, потому что именно в этом, по собственным данным Retell, он уступает.

Если требование — это модель, которую можно проверить, дообучить, разместить на приватном хостинге, распространять в составе продукта или запускать без сети, то G​emma 4 12B — не просто лучший вариант, а единственный вариант на этой странице. Apache 2.0 и контекст 256K при 12B — это сочетание, которое с каждым месяцем становится всё полезнее, а 14 миллионов загрузок говорят о том, что многие команды уже пришли к этому выводу.

Вопрос, который стоит задать перед любой из этих двух покупок, — это какое из этих двух предложений описывает вашу проблему, потому что это не одна и та же проблема, и никакой бенчмарк не скажет вам, какая из них у вас.