Retell 的 1 亿美元年化营收伴随着一个模型：Tell 1 到底是什么

2026年11月12日，Retell发布了两件事——无论公司是否有意，这两件事都会被放在一起解读：一篇宣布其年化收入突破1亿美元的博客文章，以及同一周内Tell 1的首个公开证据——这是一个由Retell自行构建、并被其称为自家成果的模型，在公司首页上以“Developed by Retell Labs”列出，作为其语音技术栈的推理层。真正传播开来的是那个营收数字；而真正改变Retell本质的则是这个模型，因为一个仅仅把你的提示词路由到GPT或Claude的语音智能体平台，与一个把“大脑”也一并交付的平台，是完全不同的两种生意。

截至本文写作时，Tell 1 尚未被记录在案。Retell 网站上没有任何发布帖、更新日志条目、模型卡、API、定价信息或权重发布，除了一个标签之外，没有任何地方提到它。那篇 $100M 的文章本身也从未提及它。Retell 唯一发布了实质性内容的页面，是 2026 年 9 月 29 日的一份基准测试更新日志，其中包含 11 月更新：Tell 1“在 Retell vCX Benchmark 上综合排名第一”，在口语化语音和延迟方面领先，但在依据性、指令遵循和工具调用方面落后于其他模型。这是一家公司在它自己编写的基准测试中把自己的模型排在第一位，而且只用一句话说明了这一点——这比大多数供应商所能做到的更为坦率，但仍然不足以成为你做出采购决策的依据。

这两个数字，以及每一个分别值多少

这个营收数字来自 Retell 自身，形态更像私营公司的里程碑，而非经审计的业绩结果：在筹集 460 万美元的基础上，不到三年实现年化 1 亿美元，覆盖 4,000 多家客户，每月运行超过 1 亿次通话。CEO Bing Wu 表示，公司在 17 个月内从 1,000 万美元增长到 1 亿美元，并补充说公司已实现盈利。这些均未经过独立核实，而且“年化运行率”是一种前瞻性表述——它只是把最近一个月的数据年化，并不等同于报告全年业绩。应将其视为关于采用情况的有力信号（客户证言确实支持这一点），而不是财务报表。

关于模型的这一说法更难核实。那个被广泛转述的细节——Tell 1 是在超过 100 万小时的客户通话数据上训练的——在二手报道中被归因于 Retell，而我在任何 Retell 自有页面上都找不到这一说法：博客上没有，更新日志里没有，文档索引中没有，模型基准测试网站上也没有。这并不能说明它是假的。但它确实意味着，如果训练语料库的数字对你的评估很重要——对于担心模型行为从何而来的联络中心买家来说，它本就应该重要——那你目前引用的只是某家公司声明的一个二手转述。100 万小时大约是 114 年的音频。对于一个每月处理 1 亿次通话的平台来说，这个数字是合理的，而合理并不等于有据可查。

以机器可读形式记录下来的内容，才是基准测试。Retell 的 vCX 网站以结构化数据形式发布其结果，其中 Tell 1 这一行显示：指令遵循率为 88.6%，在 Retell 标记为幻觉的那一行上为 97.2%，工具调用为 95.4%，口语维度得分为 96.6%，在来自 45 个不同模型的 62 个评估配置中平均为 94.45%。中位延迟为 72.5 毫秒，成本为每分钟 3.5 美分，这使其在延迟方面在 62 个中排名第一，在成本方面排名第 19。

排行榜中的注意事项

先看排名前的那一行。Tell 1 条目是在基准测试版本 17 上评分的。同一张表的 62 行中有 50 行是在版本 1 上评分的。只有十一行位于高于版本 1 的任何版本上——最新的 GPT-6.1 和 G​emini-4 条目、几个 Claude 构建版本，以及 Tell 1。一个不断演进其测试集的基准测试做法是正确的；问题在于，跨不同测试版本的行计算出的“#1 overall”并不是同口径排名，而页面并没有对此作出调整。

这四个维度中有两个的差距也比总体标题所暗示的更小。Tell 1 的工具调用得分为 95.4%，排名第五；其指令遵循得分为 88.6%，排名第二，落后于 GPT-6-Astra 的 89.7%。它真正领先的地方，是 Retell 围绕其构建基准的那个维度：口语化语音，以 96.6% 位列第一；以及延迟，72 ms 与大多数行所处的 550–1,400 ms 区间相比，并不是四舍五入级别的差异。如果你相信这套评测框架，那么经得起推敲的结论既狭窄又具体——这个模型很快，而且听起来像个人——而这恰恰是来电者在不知道模型存在的情况下评判电话智能体所依据的两项特性。

一个平台究竟为什么要自建模型

Retell 自身的架构解释了这种激励。其主页将技术栈拆分为三个步骤，并把 Tell 1 放在中间的“推理与编排”环节，与一个将模型、知识和工具整合在一起的智能体执行框架并列。在这个位置上，模型不是你购买的产品，而是一个由你控制其成本、延迟和对话语域的组件。一个平台如果每月 1 亿次调用中的每一次都要按 token 向前沿实验室付费，就会长期面临利润率和延迟下限问题，因为往返第三方推理栈的时间就包含在呼叫者的停顿之中。拥有中间层可以同时消除这两个问题，代价是必须在你接管的环节上足够出色。

这也是为什么 Retell 承认的那些短板，恰好是它承受得起的短板。在事实依据、指令遵循和工具调用方面，通用前沿模型仍然占优，而这些维度上的大部分工作，都是由客户自己的提示词、知识库和函数定义完成的。Retell 留给自己的维度，则是任何提示词都无法解决的：第一个音节到达得有多快，以及一句话听起来像呼叫中心的话术，还是像同事在交谈。

买家最终看到的价格仍然按分钟计，而不是按 token 计：截至 2026 年 11 月，Retell 将语音代理列为每分钟 $0.07 到 $0.31，这个价格区间捆绑了电话通信、语音合成和模型。Tell 1 不会作为你可以选择或拒绝的单独列项出现，这正是模型与平台功能之间的实际区别。你不能自带 Tell 1，也不能把它带到其他地方。

如果你选择购买而非自建，这意味着什么

对于企业联络中心而言，诚实的总结是：Tell 1 只是重新测试 Retell 的理由，尚不足以成为将其标准化采用的理由。有三件事会改变这一点，但目前一件都未发生。一份写明训练数据来源、上下文窗口和工具调用契约的模型卡。一个将模型价格与按分钟套餐分开公布的价格，以便将成本与自带 LLM（bring-your-own-LLM）配置进行比较。以及一项第二方评估——Artificial Analysis、某个公开语音基准，或用你自身的通话录音分别跑两种配置——因为供应商在自己的测试框架上把自己排在第一，只是起始假设，而非结果。

如果你在做测试，这个测试成本低且有针对性：拿你的客服代理实际处理的通话，在 Retell 内比较 Tell 1 与同一个 Retell 代理指向一个你已经信任的前沿模型时的表现。基准测试预测一个结果——Tell 1 会感觉更快、更自然，并且会犯更多事实依据错误。这种取舍是否划算，完全取决于你的通话是有正确答案的查询，还是与紧张的人进行的对话，而没有任何排行榜能告诉你属于哪一种。

看什么

下一个最有信息量的进展并不是更高的分数，而是 Retell 迄今尚未公布的任何一项内容：模型卡、以其自身措辞给出的训练时长声明、按模型划分的价格，或一次独立运行。一家年化收入 1 亿美元、拥有 4,000 名客户的公司，完全有理由把这四项全部公布；而目前公开记录的全部内容只是一条基准更新说明，这一事实表明该模型在进入文档之前就已投入生产。这对基础设施而言很正常，对模型而言却不寻常；在把任何 Tell 1 数字——包括上文这些——当作定论引用之前，这正是需要重新核查的地方。