
Tell 1 vs Qwen 3.8: Khoảng cách gọi công cụ mà không ai đưa lên tiêu đề
- OrcaMỚIOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 trên 1 triệu token · 169 tok/s
- tencentMỚITencent: Hy4 Flash2026-11-16$0.02 / $0.07 trên 1 triệu token · 236 tok/s
- GoogleMỚIGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 trên 1 triệu token · 89 tok/s
- AnthropicMỚIAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 trên 1 triệu token · 98 tok/s
- orcaMỚIOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 trên 1 triệu token · 88 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 trên 1 triệu token · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 trên 1 triệu token · 80 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 trên 1 triệu token · 118 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 trên 1 triệu token · 68 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 trên 1 triệu token · 44 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Trí tuệ
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 trên 1 triệu token · 198 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Trí tuệ
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 trên 1 triệu token · 114 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Trí tuệ
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 trên 1 triệu token · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Trí tuệ
Retell công bố một bảng xếp hạng cho các mô hình giọng nói và đặt Tell 1lên vị trí đầu tiên. Cũng bảng xếp hạng đó, đọc xuống thấp hơn một chút ở mỗi cột, lại cho biết Tell 1 đứng thứ năm về gọi công cụ. Thứ hạng duy nhất ấy là thứ hữu ích nhất trên trang, vì nó đánh dấu chính xác ranh giới giữa những gì Tell 1được tạo ra để làm và những gì một mô hình đa dụng như Qwen 3.8 — thế hệ có mô hình chủ lực là Qwen3.8-Max và thành viên dense mở là Qwen3.8-27B — nay thực sự làm tốt. Một tác tử điện thoại không đặt được lịch hẹn thì còn tệ hơn một tác tử chậm chạp. Một mô hình 2,4 nghìn tỷ tham số cần 8 giây để nói lời chào thì hoàn toàn không thể trả lời điện thoại. Câu hỏi đáng quan tâm không phải là mô hình nào tốt hơn; mà là ở chỗ nào trong ngăn xếp của bạn thì mỗi mô hình không còn là công cụ phù hợp nữa.
Đáng để nêu tên các mức bằng chứng trước tiên, bởi vì hai mô hình này được ghi chép theo những cách không tương thích. Qwen3.8-Max ra mắt dưới dạng API tính phí vào ngày 3 tháng 8 năm 2026 với một ma trận năng lực được công bố, ngữ cảnh 1M token và các benchmark của nhà cung cấp; Qwen3.8-27B tiếp nối với trọng số Apache-2.0 có thể tải xuống; cả hai đều được Artificial Analysis chấm điểm độc lập. Tell 1 chỉ có một dòng trong một benchmark do chính chủ sở hữu của nó viết và hoàn toàn không có model card. Vì vậy, một bên của trang này được đo lường còn bên kia được báo cáo, và mọi con số bên dưới đều được ghi nhãn tương ứng.
Vị trí thứ năm của Tell 1 thực sự khiến bạn phải trả giá những gì
Các con số của chính bảng vCX đáng được đọc theo thứ tự chúng xuất hiện hơn là theo thứ tự mà các thứ hạng gợi ý. Ở hàng mà Retell gọi là colloquial, Tell 1 đạt 96,6% và không có cấu hình nào trong nhóm 62 cấu hình vượt qua được. Ở hàng mà nó gọi là tool calling, cùng mô hình đó đạt 95,4% và bốn mô hình khác làm tốt hơn — điều này không phải là lỗi của mô hình mà đúng hơn là một phát biểu về việc mô hình được tinh chỉnh để giỏi điều gì. Mức trung bình 94,45% và trung vị 72,5 ms đều xuất phát từ ưu tiên đó; chi phí mô hình 3,5 cent mỗi phút, xếp thứ 19, thoải mái ở giữa bảng, cũng vậy.
Con số đứng thứ năm — 95,4%, tức 954 trong 1.000 lượt đánh giá đạt — không tệ xét về mặt tuyệt đối. Điều quan trọng là mô thức. Trong một luồng tổng đài, các lời gọi công cụ là nơi tác nhân thực hiện điều gì đó không thể đảo ngược: đặt một khung giờ, thu tiền, chuyển người gọi, hủy đơn hàng. Tỷ lệ thất bại 4,6% ở những bước đó nghĩa là một hệ thống phần lớn hoạt động được và đôi khi làm sai, đúng kiểu lỗi khiến một tác nhân AI bị gỡ khỏi môi trường sản xuất sau một tháng. Ngược lại, những điểm thắng về khẩu ngữ và độ trễ lại là thứ khiến nó được phê duyệt ngay từ đầu. Sự bất đối xứng đó — giỏi hơn ở bản demo so với ở giao dịch — là thứ cần kiểm tra, chứ không phải thứ để mặc định.
Hai lưu ý về chính bộ đánh giá này, vì đây là bằng chứng công khai duy nhất cho Tell 1. Dòng của nó ghi phiên bản 17 của harness trong khi 50 trong số 62 dòng ghi phiên bản 1, nên “#1 overall” tổng hợp trên hai bộ kiểm thử khác nhau. Và đây là bộ đánh giá của chính Retell, chạy trên các mẫu lưu lượng của Retell, một phương pháp hợp lệ nhưng không độc lập.
Qwen 3.8 mang lại gì cho vấn đề tương tự
Qwen 3.8 là một thế hệ, không phải một mô hình, và sự phân tách này rất quan trọng ở đây. Qwen3.8-Max là mô hình chủ lực được lưu trữ: ngữ cảnh 1 triệu token, đầu vào văn bản, hình ảnh và video, chế độ suy nghĩ, gọi hàm, công cụ tích hợp và đầu ra có cấu trúc, được cung cấp ở các định dạng truyền tương thích với OpenAI, Anthropic và DashScope. Artificial Analysis chấm nó 33.7 trên Intelligence Index — tốt hơn 73% các mô hình mà nó so sánh — với 76.2 trên Coding Index, 92.8 GPQA Diamond, 88.8 trên Terminal-Bench 2.1 và 47.8 trên tau-banking, sự kết hợp giữa nhà cung cấp và độc lập mà trang mô hình của chúng tôi trích dẫn. Qwen3.8-27B là thành viên dense trọng số mở: 27B tham số, ngữ cảnh 256K, đa phương thức, Apache 2.0, và trên thẻ của chính Qwen là 90.3 LiveCodeBench v6, 89.2 GPQA Diamond, 84.3 OSWorld-Verified, 79.0 QwenSWEBench.
Hãy đọc con số tau-banking hai lần nếu bạn quan tâm đến việc sử dụng công cụ. Đây là một benchmark về các tác vụ dịch vụ khách hàng có tăng cường công cụ — tra cứu tài khoản, thay đổi đơn hàng, tuân thủ chính sách — và 47.8 là một điểm số khó đạt trong một bài kiểm tra khó, không phải một con số tiếp thị. Các mô hình đa dụng đã giỏi việc này trước khi chúng giỏi nghe giống người, và thứ tự đó chính là toàn bộ câu chuyện của phép so sánh này: Qwen 3.8 sẽ chạy vòng lặp công cụ của bạn đáng tin cậy hơn một mô hình giọng nói 72 mili giây, và nó sẽ mất vài giây để bắt đầu nói.
• Độ trễ — trung vị 72,5 ms đối với Tell 1 trong harness của Retell; các phép đo trên hệ thống phục vụ của chúng tôi cho thấy Qwen3.8-Max ở p50 là 8.235 ms và Qwen3.8-27B ở p50 là 4.197 ms trong cửa sổ bảy ngày, đây là một đại lượng khác được đo theo cách khác, và cả hai đều không phải là một lượt gọi điện thoại.
• Gọi công cụ — 95,4% (xếp hạng 5 trong số 62) cho Tell 1 trên bộ khung đánh giá của Retell; 47,8 tau-banking và năng lực gọi hàm gốc đầy đủ với đầu ra có cấu trúc cho Qwen3.8-Max, trên các benchmark được chấm điểm bởi những người không bán mô hình nào trong hai mô hình này.
• Ngữ cảnh — 1M token cho Qwen3.8-Max, 256K cho Qwen3.8-27B; chưa được công bố cho Tell 1, và phần lớn không liên quan trong một cuộc gọi, nơi cơ sở kiến thức nằm bên ngoài mô hình.
• Giá — Tell 1 nằm trong khoảng 0,07 đến 0,31 USD mỗi phút của Retell, trong đó 3,5 xu được quy cho mô hình; Qwen3.8-Max có giá 2 USD đầu vào và 6 USD đầu ra mỗi triệu token, Qwen3.8-27B là 0,33 và 2,40 USD, cả hai đều theo giá niêm yết của nhà cung cấp thông qua OrcaRouter mà không cộng thêm phụ phí.

Phép tính quyết định hầu hết các lần triển khai
Việc quy đổi giữa hai đơn vị giá là chỗ các so sánh thường trở nên mơ hồ, nên đây là phép quy đổi được trình bày rõ ràng. Một phút nói tương đương khoảng 150 từ nói, tức khoảng 200 token đầu ra và có lẽ 1.500 đến 3.000 token đầu vào khi tính cả lời nhắc, tri thức được truy xuất và lược đồ công cụ. Với mức $2/$6 của Qwen3.8-Max, chi phí mô hình chưa đến hai xu một phút; với mức $0,33/$2,40 của Qwen3.8-27B, chi phí đó chỉ là một phần nhỏ của một xu.
Vậy nên mô hình tính theo token không phải phần đắt đỏ, và đó chính là cái bẫy. Thứ bạn không thể có được từ Qwen 3.8 với bất kỳ mức giá nào là âm tiết đầu tiên trong 72 ms, bởi vì một mô hình chủ lực 2,4 nghìn tỷ tham số trả lời trong tám giây thì đã làm mất người gọi rồi. Chi phí của mô hình chủ lực được host không nằm ở token; mà ở vòng khứ hồi. Tự xây dựng thứ tương tự có nghĩa là bạn phải tự chịu toàn bộ ngân sách độ trễ từ đầu đến cuối — đặt mô hình cùng vị trí với ngăn xếp giọng nói, giới hạn độ dài đầu ra, phát trực tuyến mệnh đề đầu tiên trước khi lời gọi công cụ hoàn tất — và chính phần kỹ thuật đó mới là khoản mục chi phí thực sự, chứ không phải 0,02 đô la.
Đó là lý do vì sao đánh giá thẳng thắn là về kiến trúc chứ không phải về cạnh tranh. {{1}}Giá trị của Tell 1 là ở chỗ ai đó đã bỏ công kỹ thuật cho 800 mili giây đầu tiên của một cuộc gọi điện thoại.{{/1}} Giá trị của Qwen 3.8 là ở chỗ nó tốt hơn một cách đo lường được ở phần của cuộc gọi nơi có việc gì đó được thực hiện, và nó có sẵn cả dưới dạng API có thể gọi được lẫn dưới dạng trọng số mà bạn có thể tự lưu trữ.
Mô hình split-stack và khi nào một router thực sự xứng đáng có mặt
Cấu hình giải quyết được vấn đề này không phải là lựa chọn giữa hai mô hình; đó là sự phân công lao động, và các nền tảng giọng nói vốn đã thực hành điều đó ngay bên trong. Trang chủ của chính Retell mô tả ngăn xếp của mình chính xác theo cách đó: một mô hình để suy luận và điều phối, một agent harness tập hợp kiến thức và công cụ, và một lớp giọng nói riêng biệt. Tell 1 chiếm một ghế trong cách sắp xếp đó, không phải tất cả.
Bên ngoài một nền tảng thoại, cách tách tương tự trông như thế này. Một mô hình nhỏ, nhanh đảm nhận lớp điều phối lượt hội thoại — phần xác nhận, phần làm rõ, câu "để tôi kiểm tra giúp bạn" — trong khi các bước nặng về công cụ và nặng về suy luận được giao cho một mô hình có thành tích tốt hơn về gọi hàm và ngữ cảnh dài. Qwen 3.8 phù hợp tốt với vai trò thứ hai và cả hai thành viên chính của nó đều có thể được định tuyến qua OrcaRouter bằng một khóa: chuyển đổi giữa Qwen3.8-Max và Qwen3.8-27B bằng cách thay đổi chuỗi mô hình, duy trì một chuỗi dự phòng để lỗi 429 từ phía thượng nguồn không trở thành một cuộc gọi bị rớt, và dùng DSL định tuyến để gửi các lượt khó đến mô hình chủ lực và các lượt thông thường đến thành viên rẻ hơn. Giá niêm yết của nhà cung cấp được chuyển nguyên vẹn, không cộng thêm gì, nên thay đổi giá Qwen đến với bạn ngay trong ngày thay vì vào lần gia hạn hợp đồng tiếp theo.
Tell 1 không có trong danh mục của chúng tôi và sẽ không có; nó không được bán như một mô hình. Điều chúng tôi có thể làm là lộ trình chuyển cấp xung quanh nó — mô hình mà tác nhân giọng nói của bạn gọi khi người gọi hỏi điều gì đó mà kịch bản không bao quát.
Làm thế nào để giải quyết nó trong một tuần
Lấy năm mươi cuộc gọi thật từ chính hàng đợi của bạn, không phải cuộc gọi tổng hợp — điểm yếu của benchmark là các cuộc gọi của nó thuộc về Retell, còn các kiểu lỗi của bạn nằm trong bản ghi của chính bạn. Chạy từng cuộc gọi qua hai cấu hình: Tell 1 bên trong Retell, và cùng logic agent đó trỏ vào Qwen3.8-Max. Chấm ba thứ và bỏ qua mọi thứ còn lại. Lệnh gọi công cụ có kích hoạt với đúng đối số không? Câu trả lời có khớp với cơ sở tri thức của bạn không? Và agent bắt đầu nói ở mốc thời gian nào sau khi người gọi dừng lại?
Kỳ vọng của tôi, dựa trên các con số đã công bố chứ không phải từ thử nghiệm: cấu hình Qwen sẽ thắng hai hạng mục đầu và thua hạng mục thứ ba một cách thảm hại, và độ lớn của khoảng cách thứ ba đó là con số duy nhất quyết định kiến trúc. Nếu các cuộc gọi của bạn chủ yếu là tra cứu với một đáp án đúng, lợi thế độ trễ của một mô hình tinh chỉnh cho giọng nói không đáng giá bằng vài điểm độ chính xác khi gọi công cụ, và mô hình tổng quát sẽ thắng. Nếu các cuộc gọi của bạn chủ yếu là hội thoại — phân loại, trấn an, sàng lọc — các lệnh gọi công cụ nông, độ trễ là tất cả, và một mô hình được xây dựng cho điện thoại là bộ phận phù hợp cho công việc.
Cả hai câu trả lời đều có thể biện luận được, đó là lý do cách đặt vấn đề “cái nào tốt hơn” không ổn. Điều duy nhất tôi sẽ không làm là chọn Tell 1 nhờ thứ hạng nhất mà không đọc cột mà nó đứng thứ năm, hoặc chọn Qwen 3.8 nhờ Intelligence Index mà không bấm đồng hồ bấm giây cho token đầu tiên của nó trong một cuộc gọi trực tiếp.


