Tell 1 so với LFM2.5 2.6B Base: Một mô hình giọng nói bạn thuê và một checkpoint bạn tự hoàn thiện

Đặt Tell 1 và LFM2.5 2.6B Base cạnh nhau và sự khác biệt về kích thước trông như thể đó chính là câu chuyện: một bên là mô hình lập luận nội bộ của Retell bên trong một nền tảng trung tâm liên hệ, bên kia là một checkpoint chỉ văn bản 2,69 tỷ tham số từ Liquid AI nằm gọn trong một tệp 5,4 GB. Đó không phải là câu chuyện. Câu chuyện là ở chỗ LFM2.5 2.6B Base là một mô hình gốc — nó chưa từng được tinh chỉnh theo chỉ dẫn, và nếu bạn hỏi nó một câu, nó sẽ tiếp tục văn bản của bạn thay vì trả lời — trong khi Tell 1 là một thành phần hoàn chỉnh của một sản phẩm làm nghề trả lời các cuộc gọi điện thoại. Một trong hai là nguyên liệu thô. Cái còn lại là một bộ phận đang vận hành mà bạn không được phép tháo rời. Mọi thứ bên dưới đều nói về việc bài toán của bạn thực sự cần loại nào trong hai thứ đó, bởi vì không cái nào có thể thay thế cái kia và phép so sánh giá tưởng như hiển nhiên lại là thứ ít hữu ích nhất trên trang này.

Thời điểm cũng quan trọng, và chính nó là lý do cặp đôi này tồn tại ngay từ đầu. Cả hai đều mới: Liquid AI công bố dòng LFM2.5 vào tháng 8 năm 2026, còn Tell 1 của Retell lọt vào tầm nhìn công chúng vào tháng 11 năm 2026 khi nó xuất hiện ở vị trí đầu bảng xếp hạng do Retell công bố. Cả hai đều không phải là bản ra mắt mà bạn đang đọc muộn. Cả hai cũng đều có tài liệu công khai ít một cách bất thường, vì những lý do trái ngược — Liquid phát hành một checkpoint không kèm hướng dẫn vì hướng dẫn chưa bao giờ là trọng tâm, còn Retell phát hành một mô hình không có tài liệu vì mô hình này không phải là sản phẩm bạn có thể mua riêng.

Hãy bắt đầu với những gì mà Liquid checkpoint không thể làm

LFM2.5 2.6B Base là checkpoint được tiền huấn luyện thuộc dòng mô hình lai LFM2.5 của Liquid AI: 30 lớp, trong đó 22 lớp là khối tích chập ngắn có cổng kép và 8 lớp là grouped-query attention, được huấn luyện trên khoảng 34 nghìn tỷ token thuộc 16 ngôn ngữ, với cửa sổ ngữ cảnh 131.072 token và lượng tử hóa Q4_K_M cho dung lượng gần 1,67 GB. Văn bản vào, văn bản ra. Không có thị giác, không có âm thanh, không có mẫu gọi công cụ nào bạn có thể dựa vào, không có tinh chỉnh theo chỉ dẫn — và thẻ mô hình của chính Liquid nói rõ rằng mô hình được thiết kế để tinh chỉnh chuyên sâu thay vì để gợi lệnh.

Đó không phải là lỗi, và coi nó như một lỗi chính là sai lầm phổ biến nhất trong các bài viết về mô hình nền. Một checkpoint nền là điểm khởi đầu đúng khi bạn có một nhiệm vụ đã định hình rõ, một lượng lớn ví dụ của riêng bạn, và không muốn trả tiền cho nhà cung cấp theo từng token để giải quyết nó. Một mô hình 2,69B được tinh chỉnh trên một GPU tiêu dùng rồi chạy lượng tử hóa trên laptop hoặc điện thoại là một thực thể kinh tế khác với bất kỳ API được host nào: chi phí biên mỗi lần gọi gần như chỉ còn là tiền điện, và chi phí bạn thực sự trả chuyển sang gán nhãn dữ liệu, các lần chạy huấn luyện và đánh giá.

Điều nó không thể làm là được đưa vào một cuộc trò chuyện. Không có system prompt nào biến một checkpoint gốc thành một agent gọi công cụ đáng tin cậy, và không có lượng prompt engineering nào có thể thay thế cho bước post-training. Nếu kế hoạch của bạn là "tải nó về, bọc nó trong một máy chủ tương thích OpenAI và trỏ một agent thoại vào nó," thì kế hoạch sẽ thất bại ngay ở lần gọi hàm đầu tiên — và thất bại đó sẽ trông giống như một vấn đề chất lượng mô hình, trong khi thực ra đó là một giai đoạn huấn luyện bị thiếu.

Vậy Tell 1 là gì, và tại sao bạn không thể có nó

Tell 1 là lớp lập luận của ngăn xếp giọng nói Retell, được liệt kê trên trang chủ công ty dưới mục "Developed by Retell Labs" bên cạnh một bộ khung tác nhân lắp ráp mô hình, tri thức và công cụ. Nó không được bán như một mô hình. Không có thẻ mô hình, không có kho mã, không có con số cửa sổ ngữ cảnh, không có số lượng tham số, không có giấy phép và không có giá trên mỗi token được công bố ở bất kỳ đâu trên trang web của Retell. Bằng chứng định lượng công khai duy nhất là một dòng trong Retell vCX Benchmark, một bảng xếp hạng do chính Retell duy trì: 88,6% tuân thủ chỉ dẫn, 97,2% ở khía cạnh được gắn nhãn ảo giác, 95,4% gọi công cụ, 96,6% khẩu ngữ, trung bình 94,45%, với độ trễ trung vị 72,5 ms và chi phí mô hình 3,5 xu mỗi phút.

Việc Tell 1 là bản tinh chỉnh của một thứ gì đó công khai, một mô hình được huấn luyện từ đầu, hay một mô hình nhỏ được chưng cất từ một mô hình lớn hơn thì không được tiết lộ. Mức trung vị 72 ms gợi ý một mô hình nhỏ, nhanh hơn là một mô hình tổng quát tiên phong, vì con số đó nằm trong dải mà thời gian khứ hồi đến một ngăn xếp suy luận bên thứ ba bắt đầu chiếm ưu thế — nhưng đó là suy luận từ một con số độ trễ, và các con số độ trễ có nhiều nguyên nhân. Điều không phải là suy luận chính là cách đóng gói: bạn có Tell 1 bằng cách mua thời gian trên nền tảng Retell, với giá từ $0.07 đến $0.31 mỗi phút tùy theo cấu hình, và mô hình không thể tách rời khỏi phần điện thoại, ngăn xếp giọng nói và khung bao quanh nó.

Đây là sự bất đối xứng mà người mua phải tính vào giá. LFM2.5 2.6B Base là của bạn theo cách mà không mô hình được lưu trữ nào có được: bạn có thể đọc trọng số của nó, lượng tử hóa nó, phát hành nó trong một ứng dụng và tiếp tục chạy nó nếu nhà cung cấp biến mất. Tell 1 khả dụng theo cách mà không mô hình tải xuống nào có: nó đã được nối sẵn với một số điện thoại, một lớp quản lý lượt nói và một giọng nói, và công việc làm cho nó nghe như người thật trong một cuộc gọi thực đã được người khác làm sẵn.

Phép so sánh thực sự quan trọng: ngân sách độ trễ được phân bổ vào đâu

Cả hai mô hình này đều thành bại dựa vào đồng hồ bấm giây, đó là lý do chúng thường được nhắc đến cùng nhau dù đảm nhận những công việc khác nhau. Một cuộc gọi điện thoại cho bạn ngân sách khoảng 800 ms giữa lúc người gọi nói xong một câu và lúc tác nhân bắt đầu nói câu của mình, trước khi khoảng dừng bị hiểu là rớt kết nối. Ngân sách đó chi trả cho nhận dạng giọng nói, lượt xử lý của mô hình, các lệnh gọi công cụ và tổng hợp giọng nói, theo đúng thứ tự đó.

• Độ trễ mô hình — trung vị 72,5 ms đối với Tell 1 trong harness của Retell, đứng đầu trong 62 cấu hình trên benchmark đó; không được công bố cho LFM2.5 2.6B Base, vì một checkpoint base không có sản phẩm phục vụ nào để đo và thông lượng lượng tử hóa của nó phụ thuộc hoàn toàn vào phần cứng của bạn.

• Còn gì khác trong 800 ms — với Tell 1, tổng đài và giọng nói nằm trong con số của nền tảng, và Retell báo thời gian phản hồi end-to-end điển hình khoảng 600 ms; với một stack LFM2.5 tự vận hành, ASR, TTS và lớp phục vụ đều do bạn thêm vào, và mỗi thứ là một quyết định về nhà cung cấp.

• Thông lượng — Mô hình anh em đã qua huấn luyện hậu kỳ của Liquid cho checkpoint này chạy ở tốc độ 220 token mỗi giây trên Apple M5 Max và 113 trên CPU AMD Ryzen, đồng thời nhà cung cấp lưu ý rằng có thể đạt 30 token mỗi giây trên điện thoại; tốc độ của một mô hình 2,69B phụ thuộc vào cỗ máy, chứ không phải vào mức dịch vụ.

Dòng cuối cùng đó chính là toàn bộ sự khác biệt về bản chất. Độ trễ của Tell 1 là một lời hứa do người khác giữ; độ trễ của LFM2.5 là một thuộc tính của phần cứng mà bạn chọn. Nếu mục tiêu triển khai của bạn là một tổng đài với 200 đường đồng thời, thì cái đầu tiên là thứ bạn đang mua. Nếu đó là một thiết bị trong nhà kho không có mạng, thì cái thứ hai là cái duy nhất tồn tại.

Tinh chỉnh là ngã rẽ.

Đây là quyết định, được nêu một cách rõ ràng nhất có thể. Hãy chọn LFM2.5 2.6B Base nếu bạn có một nhiệm vụ có thể mô tả chính xác, các ví dụ về nhiệm vụ đó, và một lý do để không gửi những ví dụ đó cho bên thứ ba — một bước phân loại bên trong luồng cuộc gọi, một công cụ tóm tắt chuyên biệt theo lĩnh vực, một bộ định tuyến trên thiết bị quyết định một yêu cầu là gì. Mô hình đủ nhỏ để một lần tinh chỉnh chỉ là một buổi chiều thay vì một quý, cửa sổ ngữ cảnh đủ lớn cho các tài liệu thực tế, và giấy phép cho phép sử dụng thương mại khi doanh thu hằng năm dưới 10 triệu USD, với một thỏa thuận riêng được yêu cầu ở mức bằng hoặc trên ngưỡng đó. Ngưỡng đó là một thực tế của khâu mua sắm và phải nằm trong quyết định, không phải trong một chú thích.

Chọn Tell 1 nếu bạn đang mua một agent điện thoại thay vì một mô hình, và cụ thể là nếu thứ bạn không thể tự xây là lớp hội thoại: xử lý ngắt lời, cách diễn đạt khẩu ngữ, và âm tiết đầu tiên đến đủ nhanh để người gọi không nhận ra đó là máy. Benchmark của Retell nói rằng đó là hai chiều mà Tell 1 dẫn đầu — hạng 1 về khẩu ngữ, hạng 1 về độ trễ — và cũng nói rõ không kém rằng nó không dẫn đầu về tuân thủ chỉ dẫn, grounding hay gọi công cụ, nơi nó lần lượt xếp thứ hai, thứ hai và thứ năm. Hãy kiểm tra ba điều đó với chính các cuộc gọi của bạn trước khi chuẩn hóa, vì chúng là những thứ tạo ra câu trả lời sai chứ không chỉ chậm hơn.

Có một lựa chọn thứ ba, và đó là lựa chọn mà hầu hết các nhóm có khối lượng công việc thực tế cuối cùng sẽ chọn: giữ bản fine-tune nhỏ cho phần nhiệm vụ hẹp và lặp đi lặp lại, rồi định tuyến những lượt khó sang một mô hình được host lớn hơn. Đó chính xác là sự phân tách mà một lớp định tuyến được xây dựng để làm, và đó là nơi danh mục của chính chúng tôi phù hợp. Cả Tell 1 lẫn LFM2.5 2.6B Base đều không thể định tuyến qua OrcaRouter — chúng tôi không host cả hai — nên phiên bản thực tế của kiến trúc đó đặt bản fine-tune Liquid trên phần cứng của bạn và gửi đường leo thang đến một mô hình mà chúng tôi có cung cấp, trên một API key, ở giá niêm yết của nhà cung cấp, không cộng thêm gì.

Điều gì sẽ làm thay đổi câu trả lời

Đối với Tell 1, ba công bố sẽ đưa nó từ "kiểm thử bên trong nền tảng" sang "cân nhắc chuẩn hóa": một model card nêu rõ kiến trúc và dữ liệu huấn luyện, giá theo từng mô hình để có thể tách chi phí khỏi gói tính theo phút, và một đánh giá do đơn vị khác Retell thực hiện. Hồ sơ hiện tại chỉ là một dòng trên bảng xếp hạng của chính nhà cung cấp, và việc một nhà cung cấp tự xếp mình đứng đầu trên bộ khung đánh giá của chính họ chỉ là giả thuyết, không phải kết quả.

Với LFM2.5 2.6B Base, mảnh ghép còn thiếu không phải là tài liệu — mà là bản tinh chỉnh của chính bạn. Checkpoint đã đầy đủ và giấy phép có thể đọc được, nghĩa là điều duy nhất chưa biết là liệu một mô hình 2.69B được huấn luyện trên dữ liệu của bạn có đạt chuẩn trong tác vụ của bạn hay không. Đó là câu hỏi bạn có thể trả lời ngay tuần này với một GPU, và đọc bao nhiêu đi chăng nữa cũng không trả lời thay bạn được. Đó là sự đánh đổi trong một câu: Tell 1 giúp bạn tiết kiệm phần kỹ thuật và nắm lấy quyền kiểm soát; LFM2.5 2.6B Base trao cho bạn quyền kiểm soát và buộc bạn phải làm phần kỹ thuật.