Сгенерированная титульная карточка с заголовком «Tell 1 vs Qwen 3.8». Левая карточка с подписью «Tell 1» несёт иконку секундомера и строки «первое место по задержке» и «пятое место по вызовам инструментов»; правая карточка с подписью «Qwen 3.8» несёт иконку гаечного ключа и строки «контекст в 1M токенов» и «нативный вызов инструментов». Разделитель гласит «скорость против транзакции». Логотип OrcaRouter вставлен в правый нижний угол.
Guides & Insights

Tell 1 против Qwen 3.8: разрыв в вызове инструментов, который никто не выносит в заголовок

Автор

jinhao.song

Дата публикации

Новые модели · 20Все модели →
Бенчмарки: Artificial Analysis · обновляется ежедневно
Назад ко всем статьям

Retell публикует таблицу лидеров для голосовых моделей и ставит Tell 1 на первое место в ней. В той же таблице, если прочитать чуть ниже по каждому столбцу, сказано, что Tell 1 занимает пятое место по вызову инструментов. Этот единственный показатель — самое полезное на странице, потому что он отмечает точную границу между тем, для чего был создан Tell 1, и тем, в чём сейчас действительно хороша универсальная модель вроде Q​wen 3.8 — поколение, чей флагман — Qwen3.8-Max, а открытая dense-модель — Qwen3.8-27B. Телефонный агент, который не может записать на приём, хуже медленного. Модель с 2,4 трлн параметров, которой нужно 8 секунд, чтобы поздороваться, вообще не может отвечать на звонки. Интересный вопрос не в том, какая модель лучше, а в том, где в вашем стеке каждая из них перестаёт быть подходящим инструментом.

Стоит сразу обозначить уровни доказательности, потому что документация по этим двум моделям несовместима. Qwen3.8-Max был запущен как платный API 3 августа 2026 года с опубликованной матрицей возможностей, контекстом в 1 млн токенов и вендорскими бенчмарками; Qwen3.8-27B последовал в виде загружаемых весов под Apache-2.0; обе модели независимо оцениваются Artificial Analysis. У Tell 1 есть всего одна строка в бенчмарке, который написал его владелец, и вообще нет карточки модели. Таким образом, одна сторона этой страницы измерена, а другая — заявлена, и каждое число ниже помечено соответствующим образом.

Во что вам на самом деле обходится пятое место Tell 1

Собственные цифры таблицы vCX стоит читать в том порядке, в каком они появляются, а не в том, который подсказывают места в рейтинге. В строке, которую Retell называет разговорной, Tell 1 набирает 96,6%, и ни одна из 62 конфигураций не превосходит её. В строке, которую он называет вызовом инструментов, та же модель набирает 95,4%, а четыре другие показывают лучший результат — что скорее не недостаток модели, а свидетельство того, на чём её настраивали быть сильной. Средние 94,45% и медиана 72,5 мс оба следуют из этого приоритета; как и стоимость модели в 3,5 цента за минуту, которая занимает 19-е место — уверенно в середине таблицы.

Показатель за пятое место — 95,4%, 954 из 1 000 оценок пройдено — сам по себе неплох. Важна закономерность. В процессе контакт-центра вызовы инструментов — это те шаги, где агент совершает необратимые действия: бронирует слот, принимает платёж, переводит звонящего, отменяет заказ. Доля сбоев 4,6% на этих шагах — это система, которая в основном работает и иногда делает не то, что нужно, и это именно тот режим отказа, из-за которого ИИ-агента через месяц снимают с продакшена. Напротив, выигрыш в разговорной естественности и задержке — это то, что позволяет получить одобрение на старте. Именно эту асимметрию — лучше в демо, чем в транзакции — и нужно проверять, а не принимать на веру.

Две оговорки насчёт самого бенчмарка, поскольку это единственное публичное свидетельство в пользу Tell 1. В его строке указана версия 17 тестового стенда, тогда как в 50 из 62 строк — версия 1, так что «#1 overall» агрегирует данные двух разных наборов тестов. К тому же это собственный бенчмарк Retell, запущенный на трафиковых паттернах Retell, — методология законная, но не независимая.

Что Qwen 3.8 даёт для той же задачи

Qwen 3.8 — это поколение, а не модель, и это различие здесь важно. Qwen3.8-Max — флагманская облачная модель: контекст на 1 млн токенов, ввод текста, изображений и видео, режим рассуждения, вызов функций, встроенные инструменты и структурированные выходные данные; доступна в совместимых с OpenAI, Anthropic и DashScope форматах обмена. Artificial Analysis оценивает её в 33,7 балла по своему Intelligence Index — лучше, чем 73% моделей в его сравнении — а также в 76,2 по Coding Index, 92,8 по GPQA Diamond, 88,8 по Terminal-Bench 2.1 и 47,8 по tau-banking; это сочетание данных производителя и независимых оценок, на которое ссылается наша страница модели. Qwen3.8-27B — открытая по весам плотная модель: 27 млрд параметров, контекст 256K, мультимодальность, Apache 2.0, а по собственной карточке Qwen — 90,3 LiveCodeBench v6, 89,2 GPQA Diamond, 84,3 OSWorld-Verified, 79,0 QwenSWEBench.

Прочитайте показатель tau-banking дважды, если вас волнует использование инструментов. Это бенчмарк задач обслуживания клиентов с применением инструментов — поиск аккаунта, изменение заказа, соблюдение политики — и 47.8 — это серьёзный результат в сложном тесте, а не маркетинговая цифра. Модели общего назначения стали хорошо справляться с этим раньше, чем научились звучать по-человечески, и именно порядок — вся суть этого сравнения: Qwen 3.8 будет выполнять ваш цикл инструментов надёжнее, чем голосовая модель с задержкой 72 миллисекунды, и ей потребуются секунды, чтобы начать говорить.

• Задержка — медиана 72,5 мс для Tell 1 в тестовом стенде Retell; наши собственные измерения на работающем сервисе дают для Qwen3.8-Max 8 235 мс p50 и для Qwen3.8-27B 4 197 мс p50 за семидневный период, а это другая величина, измеренная иным способом, и ни то, ни другое не является репликой телефонного звонка.

• Вызов инструментов — 95,4% (5-е место из 62) для Tell 1 на тестовом стенде Retell; 47,8 tau-banking и полный нативный вызов функций со структурированными выходами для Qwen3.8-Max, по бенчмаркам, оценённым людьми, которые не продают ни одну из этих моделей.

• Контекст — 1 млн токенов для Qwen3.8-Max, 256K для Qwen3.8-27B; для Tell 1 не опубликовано и в значительной степени неактуально при звонке, где база знаний находится вне модели.

• Цена — Tell 1 укладывается в диапазон Retell от $0.07 до $0.31 за минуту, причём 3,5 цента из этой суммы приходятся на модель; у Qwen3.8-Max вход стоит $2, а выход — $6 за миллион токенов, у Qwen3.8-27B — $0.33 и $2.40; оба — по прайс-листу провайдера через OrcaRouter без добавленной наценки.

A generated two-column scoreboard headed 'Tell 1 vs Qwen 3.8'. The Tell 1 column reads 'Latency: 72 ms', 'Tool calling: 95.4% rank 5', 'Context: unpublished', 'Weights: none', 'Evidence: vendor benchmark', 'Price: 3.5c per minute'. The Qwen3.8-Max column reads 'Latency: 8235 ms p50', 'Tool calling: tau-banking 47.8', 'Context: 1M tokens', 'Weights: open 27B sibling', 'Evidence: AA Index 33.7', 'Price: $2/$6'. A footer reads 'Tell 1 per Retell; Qwen figures per Artificial Analysis and OrcaRouter.' The OrcaRouter logo is composited in the bottom-right corner.

Арифметика, которая решает судьбу большинства развёртываний

Именно при пересчёте между этими двумя единицами цены сравнения обычно теряют чёткость, поэтому давайте проговорим этот пересчёт вслух. Минута речи — это примерно 150 произнесённых слов, что соответствует примерно 200 токенам вывода и, возможно, от 1500 до 3000 токенов ввода, если учесть промпт, извлечённые знания и схемы инструментов. При цене Qwen3.8-Max $2/$6 это меньше двух центов за минуту стоимости модели; при цене Qwen3.8-27B $0.33/$2.40 это доля цента.

Итак, тарификация по токенам — не дорогая часть, и в этом ловушка. Чего вы не получите от Qwen 3.8 ни за какие деньги, так это первый слог за 72 мс, потому что флагманская модель с 2,4 трлн параметров, отвечающая за восемь секунд, уже потеряла звонящего. Стоимость облачного флагмана — не токены, а задержка полного цикла. Построить то же самое самостоятельно означает полностью отвечать за бюджет задержки — разместить модель вместе с речевым стеком, ограничить длину вывода, передавать потоком первую фразу до завершения вызова инструмента — и именно эта инженерия является реальной статьёй расходов, а не $0.02.

Вот почему честный вывод носит архитектурный, а не конкурентный характер. Ценность Tell 1 в том, что кто-то уже потратил инженерные усилия на первые 800 миллисекунд телефонного звонка. Ценность Q​wen 3.8 в том, что она измеримо лучше справляется с той частью звонка, где что-то реально делается, и она доступна как в виде вызываемого API, так и в виде весов, которые можно разместить у себя.

Паттерн разделённого стека и где роутер оправдывает своё место

{{1}}Конфигурация, которая решает эту проблему, — это не выбор между двумя моделями; это разделение труда, и голосовые платформы уже применяют его внутри.{{/1}} {{2}}Собственная главная страница Retell описывает её стек именно так: модель для рассуждений и оркестрации, агентная обвязка, которая собирает знания и инструменты, и отдельный речевой слой.{{/2}} Tell 1 занимает одно место в этой схеме, а не все.

Вне голосовой платформы то же разделение выглядит так. Небольшая быстрая модель отвечает за слой смены реплик — подтверждение, уточнение, «сейчас проверю для вас» — а шаги, требующие множества инструментов и сложных рассуждений, передаются модели с лучшими показателями в вызове функций и длинном контексте. Q​wen 3.8 хорошо подходит на вторую роль, и оба её основных варианта можно маршрутизировать через OrcaRouter одним ключом: переключайтесь между Qwen3.8-Max и Qwen3.8-27B, меняя строку модели, держите цепочку резервных вариантов чтобы ошибка 429 от вышестоящего провайдера не превращалась в сорванный вызов, и используйте DSL маршрутизации, чтобы направлять сложные ходы флагманской модели, а рутинные — более дешёвому варианту. Цена из прайс-листа провайдера передаётся без наценки, поэтому изменение цены Q​wen доходит до вас в тот же день, а не при следующем продлении договора.

Tell 1 нет в нашем каталоге и не будет; он не продаётся как модель. Что мы можем сделать — это путь эскалации вокруг него: та модель, к которой обращается ваш голосовой агент, когда звонящий спрашивает о том, что не покрыто скриптом.

Как уладить это за неделю

Возьмите пятьдесят реальных звонков из собственной очереди, а не синтетических — слабость бенчмарка в том, что его звонки принадлежат Retell, а ваши сценарии отказа кроются в ваших собственных транскриптах. Прогоните каждый через две конфигурации: Tell 1 внутри Retell и ту же логику агента, направленную на Qwen3.8-Max. Оцените три вещи и игнорируйте всё остальное. Сработал ли вызов инструмента с правильными аргументами? Совпал ли ответ с вашей базой знаний? И на какой отметке времени агент начал говорить после того, как звонящий замолчал?

Мое ожидание, судя по опубликованным цифрам, а не по результатам тестирования: конфигурация Qwen выиграет в первых двух случаях и сильно проиграет в третьем, и размер этого третьего разрыва — единственная цифра, которая определяет архитектуру. Если ваши вызовы — в основном поисковые запросы с однозначно правильным ответом, преимущество voice-tuned модели в задержке стоит меньше, чем несколько процентных пунктов точности вызова инструментов, и универсальная модель выигрывает. Если ваши вызовы — в основном разговор — триаж, успокоение, квалификация — вызовы инструментов поверхностны, задержка решает всё, и модель, созданная для телефона, — подходящая деталь для этой задачи.

Оба ответа имеют право на существование, и именно поэтому постановка вопроса «что лучше» несостоятельна. Единственное, чего я бы не стал делать, — это выбирать Tell 1 на основании первого места в рейтинге, не прочитав столбец, в котором он только пятый, или выбирать Qwen 3.8 на основании Intelligence Index, не замерив секундомером время до его первого токена в ходе живого звонка.

A screenshot of the OrcaRouter model page for qwen3.8-max captured on 13 November 2026, showing a median time-to-first-token of 8.13 seconds and a listing dated 2026-08-03.A screenshot of the OrcaRouter model page for qwen3.8-27b captured on 13 November 2026, showing a 262K context badge, a median time-to-first-token of about 4.21 seconds and a listing dated 2026-08-13.
© 2026 OrcaRouter