Retells run rate på 100 miljoner dollar kom med en modell: vad Tell 1 egentligen är

Den 12 november 2026 publicerade Retell två saker som kommer att läsas tillsammans, oavsett om företaget avsåg det eller inte: ett blogginlägg som meddelade att företaget hade passerat 100 miljoner dollar i årstakt, och samma vecka de första offentliga bevisen för Tell 1 — en modell som Retell självt byggde och beskriver som sin egen, listad på företagets startsida under "Developed by Retell Labs" som resonemangslagret i dess röststack. Det är intäktssiffran som får spridning. Det är modellen som förändrar vad Retell är, eftersom en röstagentplattform som bara vidarebefordrar din prompt till G​PT eller Claude är en annan verksamhet än en som även levererar hjärnan.

Vad Tell 1 är, i skrivande stund, är inte dokumenterat. Det finns inget lanseringsinlägg, ingen ändringsloggpost, inget modellkort, inget API, ingen prisrad och inget släpp av modellvikter någonstans på Retells webbplats som namnger den utöver en beteckning. Själva inlägget om $100M nämner den aldrig. Den enda sida som Retell har publicerat och som säger något substantiellt är en benchmark-ändringslogg från den 29 september 2026, med en uppdatering från november: Tell 1 "rankas som #1 totalt i Retell vCX Benchmark", ligger först när det gäller talspråk och latens, och förlorar mot andra modeller när det gäller förankring, instruktionsföljsamhet och verktygsanrop. Det är ett företag som rankar sin egen modell först i ett benchmark som det själv har skrivit, och det står i en mening – vilket är mer uppriktighet än de flesta leverantörer lyckas med, och fortfarande inte bevis som du kan bygga ett upphandlingsbeslut på.

De två talen, och vad vart och ett är värt

Intäktssiffran är Retells egen och har formen av en milstolpe för ett privat bolag snarare än ett reviderat resultat: 100 miljoner dollar annualiserat, uppnått med 4,6 miljoner dollar i insamlat kapital, på under tre år, bland över 4 000 kunder som hanterar mer än 100 miljoner samtal i månaden. Vd:n Bing Wu beskrev utvecklingen som en resa från 10 miljoner dollar till 100 miljoner dollar på 17 månader och tillade att bolaget är lönsamt. Inget av detta är oberoende verifierat, och "annualized run rate" är en framåtblickande konstruktion – den multiplicerar en nyligen uppmätt månad, den redovisar inte ett år. Betrakta det som en stark signal om adoption, vilket kundreferenserna stöder, och inte som en finansiell rapport.

Påståendet om modellen är svårare. Den vitt spridda detaljen – att Tell 1 tränades på mer än 1 miljon timmar kundsamtal – tillskrivs Retell i sekundär rapportering, och jag kunde inte hitta den på någon sida som Retell äger: inte bloggen, inte ändringsloggen, inte dokumentationsindexet, inte modellens benchmark-webbplats. Det gör den inte falsk. Det innebär att om siffran för träningskorpusen spelar roll för din utvärdering – och för en köpare inom kontaktcenter som oroar sig för var modellens beteende kommer ifrån borde den göra det – så tar du just nu del av ett andrahandscitat av ett företagsuttalande. En miljon timmar är ungefär 114 år av ljud. Det är en rimlig siffra för en plattform som hanterar 100 miljoner samtal i månaden, och rimlighet är inte dokumentation.

Det som dokumenteras i maskinläsbar form är benchmarken. Retells vCX-webbplats levererar sina resultat som strukturerade data, och raden för Tell 1 lyder: 88,6 % instruktionsföljsamhet, 97,2 % på den rad som Retell betecknar som hallucination, 95,4 % verktygsanrop, 96,6 % på poängen för talspråksdimensionen, vilket ger ett genomsnitt på 94,45 % över 62 utvärderade konfigurationer från 45 olika modeller. Medianlatensen är 72,5 ms och kostnaden är 3,5 cent per minut, vilket placerar den som etta av 62 i latens och på 19:e plats i kostnad.

Förbehållet i topplistan

Läs raden före placeringen. Tell 1-posten poängsattes enligt benchmarkversion 17. Femtio av de 62 raderna i samma tabell poängsattes enligt version 1. Endast elva rader ligger på någon version högre än 1 – de nyaste GPT-6.1- och G​emini-4-posterna, ett par Claude-byggen och Tell 1. En benchmark som utvecklar sin testuppsättning gör rätt; problemet är att en "#1 overall" som beräknas över rader från olika testversioner inte är en likvärdig rankning, och sidan kompenserar inte för det.

Två av de fyra dimensionerna ligger också närmare varandra än rubriken antyder. {{1}}Tell 1:s poäng för verktygsanrop på 95,4 % ligger på femte plats, och dess instruktionsföljning på 88,6 % ligger på andra plats efter GPT-6-Astras 89,7 %.{{/1}} Där den verkligen ligger i täten är i den dimension som Retell byggde benchmarken kring: vardagligt tal, på 96,6 %, första plats, och latens, där 72 ms inte är en avrundningsskillnad från intervallet 550–1 400 ms som de flesta raderna ligger inom. Om man tror på testramverket är påståendet som håller vid granskning snävt och specifikt – den här modellen är snabb och den låter som en människa – och det är precis det egenskapspar som en telefonagent bedöms efter av en uppringare som inte vet att en modell existerar.

Varför en plattform överhuvudtaget bygger sin egen modell

Retells egen arkitektur förklarar incitamentet. Startsidan delar upp stacken i tre steg och placerar Tell 1 i det mellersta, "Resonemang och orkestrering", bredvid en agentharness som sammanför modeller, kunskap och verktyg. I den positionen är en modell inte en produkt du köper; den är en komponent vars kostnad, latens och samtalsregister du kontrollerar. En plattform som betalar ett frontier-labb per token för vart och ett av 100 miljoner månatliga anrop har ett permanent marginalproblem och ett permanent latensgolv, eftersom rundturen till en inferensstack hos tredje part ligger inom anroparens paus. Att äga mellanskiktet tar bort båda, till priset av att man måste vara tillräckligt bra på de delar man tog över.

Det är också därför de luckor som Retell medger är de som den har råd med. Grundning, instruktionsföljsamhet och verktygsanrop är områden där en generell frontier-modell fortfarande är bäst, och det är de dimensioner där kundens egen prompt, kunskapsbas och funktionsdefinitioner gör det mesta av arbetet. De dimensioner som Retell behöll för sig själva är de som ingen prompt kan åtgärda: hur snabbt den första stavelsen kommer, och om meningen låter som ett callcentermanus eller som en kollega.

Det pris som når köparen är fortfarande per minut, inte per token: Retell listar röstagenter till $0,07–$0,31 per minut i november 2026, ett intervall som omfattar telefoni, talsyntes och modellen. Tell 1 visas inte som en separat post som du kan välja eller välja bort, vilket är den praktiska skillnaden mellan en modell och en plattformsfunktion. Du kan inte ta med din egen Tell 1, och du kan inte ta den någon annanstans.

Vad detta innebär om du köper, inte bygger

För ett företagskontaktcenter är den ärliga sammanfattningen att Tell 1 är ett skäl att testa Retell igen och ännu inte ett skäl att standardisera på det. Tre saker skulle ändra på det, och ingen av dem har inträffat. Ett modellkort med träningsdatans ursprung, kontextfönstret och tool-calling-kontraktet nedskrivet. Ett publicerat pris för modellen separat från per-minut-paketet, så att kostnaden kan jämföras med en bring-your-own-LLM-konfiguration. Och en utvärdering från en andra part — Artificial Analysis, ett offentligt röstbenchmark eller dina egna samtalsinspelningar körda genom båda konfigurationerna — eftersom en leverantör som rankar sig själv först i sin egen testrigg är en starthypotes, inte ett resultat.

Om du testar är testet billigt och specifikt: ta de samtal som dina agenter faktiskt hanterar och jämför Tell 1 i Retell mot samma Retell-agent riktad mot en frontiermodell som du redan litar på. Benchmarken förutsäger ett utfall – Tell 1 kommer att kännas snabbare och mer naturligt och kommer att göra fler förankringsfel. Huruvida den avvägningen är bra beror helt på om dina samtal är uppslagningar med ett rätt svar eller samtal med en nervös person, och ingen resultattabell kan säga dig vilket du har.

Vad du ska titta på

Den mest informativa nästa utvecklingen är inte en bättre poäng. Det är något av det som Retell hittills inte har publicerat: modellkortet, påståendet om träningstimmar i deras egna ord, ett pris per modell eller en oberoende körning. Ett företag med en run rate på 100 miljoner dollar och 4 000 kunder har all anledning att publicera alla fyra, och det faktum att en benchmark-uppdateringsnotis för närvarande utgör hela det offentliga underlaget tyder på att modellen gick i produktion innan den gick in i dokumentationen. Det är normalt för infrastruktur och ovanligt för en modell, och det är det man bör kontrollera igen innan man hänvisar till någon Tell 1-siffra, inklusive de ovan, som fastställd.