Tell 1 против LFM2.5 2.6B Base: голосовая модель, которую вы арендуете, и чекпоинт, который вы дообучаете сами

Поставьте Tell 1 и LFM2.5 2.6B Base рядом друг с другом, и разница в размерах выглядит как главная история: первая — это собственная модель рассуждений Retell внутри платформы контакт-центра, вторая — текстовый чекпойнт от Liquid AI с 2,69 млрд параметров, который умещается в файл объёмом 5,4 ГБ. Но не это главное. Главное в том, что LFM2.5 2.6B Base — это базовая модель: её никогда не дообучали на инструкциях, и если задать ей вопрос, она продолжит ваш текст, а не ответит на него, — тогда как Tell 1 — это готовый компонент продукта, который зарабатывает на жизнь тем, что отвечает на телефонные звонки. Один из них — сырьё. Другой — рабочий компонент, который вам не разрешено разбирать. Всё ниже — о том, какая из этих двух вещей действительно нужна вашей задаче, потому что ни одна не может заменить другую, а сравнение цен, которое кажется очевидным, — самое бесполезное на этой странице.

Время тоже имеет значение — и именно поэтому эта пара вообще существует. Оба появились недавно: Liquid AI выпустила семейство LFM2.5 в августе 2026 года, а Tell 1 от Retell стало публично известно в ноябре 2026 года, когда оказалось на вершине бенчмарка, который публикует Retell. Ни то, ни другое не является запуском, о котором вы читаете с опозданием. К тому же у обоих на удивление мало публичной документации, причём по противоположным причинам: Liquid выпустила чекпоинт без инструкций, потому что суть была не в инструкциях, а Retell выпустила модель без документации, потому что эта модель — не продукт, который можно купить отдельно.

Начните с того, чего не может сделать чекпоинт Liquid.

LFM2.5 2.6B Base — это предобученный чекпоинт гибридного семейства LFM2.5 от Liquid AI: 30 слоёв, из которых 22 — блоки короткой свёртки с двойным гейтированием, а 8 — групповое внимание с общими ключами и значениями (grouped-query attention); обучен примерно на 34 трлн токенов на 16 языках, с контекстным окном в 131 072 токена и квантизацией Q4_K_M, которая занимает около 1,67 ГБ. На входе текст — на выходе текст. Ни зрения, ни аудио, ни шаблона для вызова инструментов, на который можно положиться, ни инструкционной тонкой настройки — и в собственной карточке модели Liquid прямо сказано, что она предназначена для глубокой дообучения, а не для промптинга.

Это не дефект, и считать это дефектом — самая распространённая ошибка в материалах о базовых моделях. Базовый чекпойнт — правильная отправная точка, когда у вас есть задача с понятной структурой, большой набор собственных примеров и нет желания платить поставщику за каждый токен за её решение. Модель на 2,69 млрд параметров, которую дообучают на одном потребительском GPU, а затем запускают в квантованном виде на ноутбуке или телефоне, — это совершенно иной экономический объект, чем любой облачный API: маржинальная стоимость одного вызова сводится примерно к стоимости электроэнергии, а реально вы платите за разметку данных, запуски обучения и оценку.

Чего он не может — это быть просто вставленным в разговор. Не существует системного промпта, который превращает базовый чекпоинт в надёжного агента, вызывающего инструменты, и никакой объём промпт-инжиниринга не заменяет этап постобучения. Если ваш план — «скачать его, обернуть в OpenAI-совместимый сервер и нацелить на него голосового агента», этот план провалится на первом же вызове функции — и этот провал будет выглядеть как проблема качества модели, тогда как на самом деле отсутствует этап обучения.

Итак, что такое Tell 1 и почему вам его не получить

Tell 1 — это слой рассуждений голосового стека Retell, указанный на главной странице компании в разделе «Developed by Retell Labs» рядом с агентной обвязкой (agent harness), которая собирает модели, знания и инструменты. Он не продаётся как модель. Нигде на сайте Retell не опубликованы ни карточка модели, ни репозиторий, ни данные о размере контекстного окна, ни число параметров, ни лицензия, ни цена за токен. Единственное количественное публичное свидетельство — строка в Retell vCX Benchmark, таблице лидеров, которую ведёт сама Retell: 88,6% следования инструкциям, 97,2% по показателю, обозначенному как «галлюцинации», 95,4% вызова инструментов, 96,6% разговорной речи, средний результат 94,45% при медианной задержке 72,5 мс и стоимости модели 3,5 цента за минуту.

Не раскрывается, является ли Tell 1 дообученной версией чего-то публичного, моделью, обученной с нуля, или небольшой моделью, дистиллированной из более крупной. Медианное значение 72 мс указывает скорее на небольшую быструю модель, чем на передовую универсальную, поскольку этот показатель находится в диапазоне, где время кругового обмена со сторонним стеком инференса начинает доминировать, — но это рассуждение, основанное на числе задержки, а у значений задержки много причин. А вот что не является домыслом — это формат поставки: Tell 1 вы получаете, покупая время на платформе Retell, от $0.07 до $0.31 за минуту в зависимости от конфигурации, и модель неотделима от телефонии, речевого стека и обвязки вокруг неё.

Вот асимметрия, которую покупателю приходится закладывать в цену. LFM2.5 2.6B Base принадлежит вам так, как не может принадлежать ни одна модель, размещённая у провайдера: вы можете читать её веса, квантовать их, поставлять её в приложении и продолжать запускать, даже если поставщик исчезнет. Tell 1 доступна так, как не доступна ни одна скачиваемая модель: она уже подключена к телефонному номеру, механизму смены реплик и голосу, а работу по тому, чтобы она звучала по-человечески в реальном звонке, уже выполнил кто-то другой.

Сравнение, которое действительно имеет значение: куда уходит бюджет задержки

Судьба обеих этих моделей решается по секундомеру — поэтому их и упоминают в одном дыхании, хотя они выполняют разные задачи. Телефонный звонок задаёт бюджет примерно в 800 мс между моментом, когда звонящий закончил фразу, и моментом, когда агент начал свою, прежде чем пауза начинает восприниматься как обрыв линии. Этот бюджет покрывает распознавание речи, ход модели, вызовы инструментов и синтез речи — именно в таком порядке.

• Задержка модели — медиана 72,5 мс для Tell 1 в тестовом стенде Retell, первое место среди 62 конфигураций на этом бенчмарке; не публикуется для LFM2.5 2.6B Base, поскольку у базового чекпойнта нет готового к эксплуатации продукта для измерений, а его квантованная пропускная способность полностью зависит от вашего оборудования.

• Что ещё входит в эти 800 мс — для Tell 1 телефония и речь уже входят в цифру платформы, а Retell заявляет типичное сквозное время отклика около 600 мс; для самостоятельно размещённого стека LFM2.5 ASR, TTS и слой обслуживания вам придётся добавлять самому, и по каждому из них нужно выбирать поставщика.

• Пропускная способность — прошедшая посттренировку модель Liquid, родственная этому чекпоинту, работает со скоростью 220 токенов в секунду на Apple M5 Max и 113 на процессоре AMD Ryzen, а производитель отмечает, что 30 токенов в секунду достижимы на телефоне; скорость модели с 2,69 млрд параметров зависит от машины, а не от уровня обслуживания.

Эта последняя строка — вся принципиальная разница. Задержка Tell 1 — это обещание, которое выполняет кто-то другой; задержка LFM2.5 — это свойство оборудования, которое выбираете вы. Если ваша цель развертывания — колл-центр с 200 одновременными линиями, то вы покупаете первое. Если это устройство на складе без сети, то второе — единственное, что существует.

Тонкая настройка — это развилка на дороге

Вот решение, изложенное максимально прямо. Выбирайте LFM2.5 2.6B Base, если у вас есть задача, которую вы можете точно описать, примеры для неё и причина не отправлять эти примеры третьей стороне — этап классификации внутри сценария обработки вызовов, суммаризатор для конкретной предметной области, локальный маршрутизатор на устройстве, определяющий, что представляет собой запрос. Модель достаточно мала, чтобы дообучение занимало день, а не квартал, контекстное окно достаточно велико для реальных документов, а лицензия разрешает коммерческое использование при годовой выручке ниже $10 млн, при этом на этом пороге или выше требуется отдельное соглашение. Этот порог — факт закупки, и его место в решении, а не в сноске.

Выбирайте Tell 1, если вы покупаете телефонного агента, а не модель, и особенно если то, что вы не можете создать, — это разговорный интерфейс: обработка перебиваний, разговорные формулировки и первый слог, который приходит достаточно быстро, чтобы звонящий не заметил машину. Бенчмарк Retell говорит, что это два измерения, в которых Tell 1 лидирует, — 1-е место по разговорности, 1-е место по задержке, — и столь же ясно говорит, что он не лидирует в следовании инструкциям, опоре на факты или вызове инструментов, где он занимает второе, второе и пятое места соответственно. Проверьте эти три аспекта на собственных звонках, прежде чем стандартизировать, потому что именно они приводят к неверным ответам, а не просто к более медленным.

Есть третий вариант, и именно к нему в итоге приходят большинство команд с реальной рабочей нагрузкой: оставить небольшую дообученную модель для той части задачи, которая узкая и повторяющаяся, а сложные случаи направлять более крупной размещённой модели. Именно для такого разделения и создаётся слой маршрутизации, и именно здесь наш собственный каталог подходит как нельзя лучше. Ни Tell 1, ни LFM2.5 2.6B Base не маршрутизируются через OrcaRouter — мы не размещаем ни ту, ни другую — поэтому практическая версия такой архитектуры предполагает размещение дообученной модели Liquid на вашем собственном оборудовании и отправку эскалационного пути к модели, которую мы предоставляем, по одному API-ключу, по прейскурантной цене провайдера без каких-либо наценок.

Что изменило бы ответ?

Для Tell 1 три публикации перевели бы его из категории «тестирование внутри платформы» в категорию «рассмотреть стандартизацию»: карточка модели с указанием архитектуры и обучающих данных, цена за каждую модель, чтобы стоимость можно было отделить от поминутного пакета, и оценка, проведённая кем-то помимо Retell. Текущая запись — это одна строка в собственной таблице лидеров поставщика, а поставщик, ставящий себя на первое место в собственном тестовом стенде, — это гипотеза, а не результат.

Для LFM2.5 2.6B Base недостающая часть — не документация, а ваше собственное дообучение. Чекпойнт полон, а лицензия читаема, а значит, единственная неизвестность — преодолеет ли модель с 2,69 млрд параметров, обученная на ваших данных, планку в вашей задаче. На этот вопрос вы можете ответить уже на этой неделе с одной GPU, и никакое чтение не даст ответа за вас. Вот компромисс в одном предложении: Tell 1 избавляет вас от инженерной работы и забирает контроль; LFM2.5 2.6B Base даёт вам контроль и заставляет вас заниматься инженерией.