Tell 1 vs Gemma 4 12B: En du kan lägga på en disk, en du bara kan ringa

Det snabbaste sättet att förstå skillnaden mellan Tell 1 och G​emma 4 12B är att försöka ladda ner båda. G​emma 4 12B levereras som ungefär 27 GB BF16-safetensors under Apache 2.0, körs i cirka 110 tokens per sekund på ett enda 24 GB-kort i en kvantiserad version och lyder bara under dig och ingen annan. Tell 1 levereras inte alls. Det är Retells egen resonemangsmodell, som sitter inuti en röstagentplattform som tar 0,07–0,31 USD per minut och inte säljer modellen, publicerar ett modellkort för den eller låter dig rikta den mot din egen infrastruktur. Allt annat i den här jämförelsen följer av den asymmetrin, inklusive benchmarkresultaten, eftersom en av dessa modeller kan mätas av vem som helst med en GPU och den andra bara kan mätas av företaget som äger den.

Båda är genuint intressanta lanseringar, och de byggdes för olika uppgifter. G​emma 4 12B är G​oogle DeepMinds encoderfria mellanstora öppna modell, släppt den 3 juni 2026, utformad för att utföra multimodalt resonemang på maskinen framför dig. Tell 1 är resonemangslagret i en kontaktcenterstack som hanterade mer än 100 miljoner samtal i månaden innan modellen fanns, och dess designmål är det enda en lokal modell inte kan leverera: en första stavelse som hamnar inom en telefoninringares tolerans för tystnad.

Två saker som kallas modell, och bara en av dem är en fil

G​emma 4 12B har 11,95 miljarder täta parametrar utan separat visions- eller ljudkodare – bildpatcher och ljudvågformer går direkt in i transformatorn, vilket är anledningen till att familjen levereras som en "enhetlig" checkpoint i stället för en stapel av torn. Den har en kontext på 256K token och läser text, bilder, ljud och videorutor. Hugging Face-repositoriet har laddats ner mer än 14 miljoner gånger, chattmallen reviderades senast den 9 juli 2026, och licensen är Apache 2.0 utan intäktsklausul, utan klausul om antal användare och utan ett separat kommersiellt avtal att förhandla om.

Tell 1 har inget av dessa artefakter. Det finns inget repository, ingen config, ingen tokenizer, ingen licenstext och ingen siffra för kontextfönstret publicerad någonstans där jag kunde hitta den på Retells egen webbplats – och jag tittade på bloggen, ändringsloggen, dokumentationsindexet, pressrummet och företagets webbplats för modellbenchmarks. De enda två ställena där det överhuvudtaget förekommer är en etikett på startsidan, där den står bredvid "Agent harness" under ett avsnitt med rubriken "Developed by Retell Labs", och en uppdateringsnotis från november som lagts till i en ändringslogg från september om Retells offentliga röstbenchmark. Det är hela det offentliga underlaget. Det är ingen skandal; många plattformsleverantörer släpper interna modeller utan att dokumentera dem. Men det innebär att hälften av den här jämförelsen måste göras utifrån leverantörens ord, och den andra hälften kan du göra själv, i kväll, på din egen hårdvara.

De fem frågor som en av dem besvarar offentligt

Ställ de två sida vid sida utifrån de dimensioner en köpare faktiskt behöver, så blir gapets form tydlig. Båda sidorna av varje rad, eftersom poängen är kontrasten snarare än ett betyg:

• Vikter — Gemma 4 12B publicerar dem, Apache 2.0, självhostbara, finjusterbara, återdistribuerbara; Tell 1 publicerar inget och är endast nåbar som del av en Retell-röstagent.

• Storlek — 11,95B densa parametrar, cirka 27 GB i BF16 och under 7 GB kvantiserat, för G​emma; ej angivet för Tell 1, och att den svarar med en median på 72 ms i Retells testramverk tyder på en liten, specialbyggd modell snarare än en frontier-generalist, men det är en slutledning, inte dokumentation.

• Kontext — 256K tokens för G​emma 4 12B; inte angivet för Tell 1, vilket för en telefonagent är mindre alarmerande än det låter, eftersom ett samtal är kort och kunskapsbasen ligger utanför modellen.

• Modaliteter — G​emma tar emot text, bild, ljud och video och returnerar text; Tell 1 tar emot den transkript- och verktygsnyttolast som en röstplattform överlämnar till den, och vad den mer accepterar är inte publicerat.

• Bevis — G​emma har ett leverantörskort (DocVQA 94,9, InfoVQA 88,4, MMLU-Pro 77,2, GPQA Diamond 78,8, alla rapporterade av G​oogle) samt ett oberoende Artificial Analysis Intelligence Index på 14 vid ungefär 110,9 token per sekund; Tell 1 har en rad i ett benchmark som dess ägare har skrivit, vilket behandlas nedan.

Lägg märke till vilken kolumn som är längre. Detta är inte en kritik av kvaliteten hos Tell 1; det är ett konstaterande om vad du kan verifiera innan du spenderar pengar. En modell som du kan ladda ner kan testas mot dina egna data på en eftermiddag. En modell som du bara kan hyra testas genom att hyra den.

Vad Tell 1:s huvudsiffra egentligen mäter

Retells vCX Benchmark publicerar sina resultat som strukturerad data i stället för som ett marknadsföringsdiagram, vilket är mer än vad de flesta leverantörers rankningstabeller gör. Tell 1 finns i en tabell med 62 utvärderade konfigurationer hämtade från 45 modeller, och dess rad är starkast i den samtalsinriktade änden: 96,6 % på Retells vardagsspråksdimension och en median på 72,5 ms, etta i fältet på båda. Samma rad visar andraplats i instruktionsföljning och i raden som Retell märker som hallucination, femteplats i verktygsanrop och en modellkostnad på 3,5 cent per minut som placerar den på 19:e plats av 62. Tar man medelvärdet av de fyra dimensionerna får man 94,45 %, vilket är siffran som Retell lyfter fram.

Två förbehåll hör ihop med de placeringarna, och inget av dem innebär att Retell är oärligt – datan ger helt enkelt inte stöd för en renare tolkning. För det första har Tell 1:s rad benchmarkversion 17, medan 50 av de 62 raderna har version 1; ett benchmark som reviderar sina uppgifter gör rätt, men "#1 totalt" beräknat över två olika testset är en sammanvägning, inte ett jämförbart resultat, och sidan normaliserar inte för det. För det andra är de fyra dimensionerna inte samstämmiga. Tell 1 är inte den bästa modellen i sitt eget benchmark på att följa instruktioner eller att anropa verktyg – GPT-6-Astra får 89,7 % i instruktionsföljning mot Tell 1:s 88,6 %, och åtminstone en Claude-version ligger snäppet före när det gäller verktygsanrop. Det den vinner ohotat på är de två sakerna som en person som ringer kan höra: den är snabbast och låter mest som en människa.

En siffra som är värd att hålla reda på, eftersom de två blandas ihop i rapporteringen: 72 ms är modellens latens i testramverket, inte den upplevelse den som ringer får. Retells startsida anger en typisk svarstid för agenten på cirka 600 ms från början till slut, vilket inkluderar taligenkänning, orkestrering, modellens tur och talsyntes. Båda siffrorna kan vara sanna. Det är bara den andra som en person i telefon uppfattar.

Var var och en hör hemma i en stack

G​emma 4 12B passar inte för en telefonagent i realtid, och det beror inte på kvaliteten. En 12B dense-modell på en enda GPU är en bra komponent, men rundturen genom din egen serving-stack, plus taligenkänning och talsyntes, är det som pressar svarstiden från början till slut till det intervall där den som ringer börjar prata över agenten. G​oogles egen beskrivning av 12B-modellen är agentiskt arbete på en laptop – dokumentförståelse, skärmläsning, verktygsanvändning, kodhjälp – och den beskrivningen är korrekt. Om ditt jobb är hundratusen fakturor per natt, ett privat korpus som du inte kan skicka till en tredje part, eller en offline-fältenhet, kan Tell 1 inte konkurrera, eftersom Tell 1 inte kan distribueras där alls.

Tell 1 är det omvända. Det kan inte lämna Retell, det kan inte finjusteras på dina transkript av dig, och det kan inte benchmarkas av en tredje part utan Retells medverkan. Vad det kan göra är att svara inuti en plattform som redan äger telefoni, turtagning och röst, och göra det på 72 ms, vilket är den del av stacken som ingen mängd prompt engineering åtgärdar. Om du köper en kontaktcenteragent snarare än bygger en, är det den enda kolumnen som spelar roll.

Mellanvägen är där de flesta team faktiskt hamnar: en liten självhostad modell för det stora, deterministiska arbetet och en hostad frontier-modell för de svåra lägena. Ingen av dessa två modeller är det naturliga valet för den andra platsen, och det är här vår egen katalog är relevant. Varken Tell 1 eller G​emma 4 12B går att routa via OrcaRouter – vi hostar inte Tell 1, och de G​emma 4-storlekar vi har är 31B Instruct och 26B A4B, inte 12B. De två prissätts enligt leverantörens listpris utan påslag, $0.13 för input och $0.38 för output per miljon tokens för 31B och $0.06 och $0.33 för 26B A4B, vilket är den ärliga jämförelsepunkten om det du ville ha från 12B var "en G​emma 4 jag kan anropa utan att äga en GPU."

Kostnad, omräknad till samma enhet

Att jämföra ett plattformspris per minut med ett modellpris per token är där de flesta av dessa texter i tysthet fuskar, så här är omräkningen i stället för en dom. Tell 1 prissätts inte separat; det ligger inom Retells $0,07 till $0,31 per minut, och benchmarkraden som bär det anger 3,5 cent per minut i modellkostnad, vilket ligger inom det intervallet snarare än ersätter det. Gemma 4 12B, med Artificial Analysiss blandade pris på $0,10 per miljon inputtoken och $0,30 per miljon outputtoken, är i stort sett gratis per token, och sedan betalar du för GPU:n: ett 24 GB-kort som körs i en timme kostar mer än tusen minuter av Retells billigaste nivå, så skärningspunkten inträffar bara vid varaktig volym med hög utnyttjandegrad.

• Kostnadsenhet — dollar per konversationsminut för Tell 1; dollar per miljon tokens plus GPU-timmar för G​emma 4 12B.

• Brytpunkt — Gemma vinner på marginalkostnad i samma stund som dina GPU:er redan är upptagna; Tell 1 vinner på total ägandekostnad tills volymen är tillräckligt stor för att hålla ett kort fullt belastat.

• Dolda radposter — Tell 1 paketerar telefoni, talsyntes och ramverket till ett enda pris; en självhostad Gemma-stack fakturerar dig separat för ASR, TTS, serveringslagret och den jourhavande ingenjören.

Vilken ska man välja?

Om kravet är en telefonagent som låter mänsklig det här kvartalet är Tell 1 den enda av de två som är en produkt, och benchmarken – inklusive förbehåll – säger att det den är bäst på är precis det du köper. Testa den mot modellen du för närvarande litar på i samma Retell-agent, lyssna på tjugo samtal och räkna grounding-felen, för det är där Retells egen data säger att den förlorar.

Om kravet är en modell som du kan inspektera, finjustera, hosta privat, vidaredistribuera i en produkt eller köra utan nätverk, är G​emma 4 12B inte bara det bättre alternativet – det är det enda alternativet på den här sidan. Apache 2.0 och ett 256K-kontext vid 12B är en kombination som blir mer användbar för varje månad, och de 14 miljoner nedladdningarna tyder på att många team redan har kommit fram till den slutsatsen.

Frågan som är värd att ställa innan du köper någon av dem är vilken av de två meningarna som beskriver ditt problem, eftersom de inte är samma problem, och ingen benchmark kan berätta vilket du har.