Quando si confrontano modelli di intelligenza artificiale, è facile cadere nella trappola di confrontare solo prezzo e velocità. Nel caso di Tell 1 di Retell Labs e LFM2.5 2.6B Base di Liquid AI, la differenza fondamentale non è solo il prezzo, ma la natura stessa del prodotto: uno è un servizio vocale chiavi‑in‑mano, l’altro è un checkpoint testuale che richiede fine‑tuning.

Che cosa è LFM2.5 2.6B Base?

LFM2.5 2.6B Base è il checkpoint pre‑addestrato della famiglia ibrida LFM2.5, rilasciato da Liquid AI nell’agosto 2026. Si tratta di un modello di 2,69 miliardi di parametri distribuito in un file da 5,4 GB, quantizzato Q4KM a circa 1,67 GB. Le sue caratteristiche tecniche includono:

    • 30 strati, di cui 22 blocchi di convoluzione corta a doppia porta e 8 a attenzione con query raggruppate;
    • Addestramento su circa 34 trillion di token in 16 lingue;
    • Finestra di contesto di 131 072 token.

Il modello accetta solo testo in ingresso e restituisce testo in output. Non supporta vision, audio, template di chiamata a strumenti o addestramento su istruzioni. La documentazione di Liquid indica chiaramente che il checkpoint è destinato a fine‑tuning approfondito, non a prompting diretto.

Quando scegliere LFM2.5 2.6B Base

Questo checkpoint è ideale se si dispone di:

    • Una task ben definita con un vasto corpus di dati proprietari;
    • Risorse per etichettare dati, effettuare cicli di addestramento e valutazione;
    • Esigenze di contenimento dei costi marginali, poiché una volta addestrato il modello il costo per chiamata è limitato all’elettricità.

Un modello di 2,69 B può essere affinato su un singolo GPU di fascia alta e poi eseguito in versione quantizzata su laptop o smartphone, rendendolo economicamente più vantaggioso rispetto a un’API cloud a consumo.

Che cosa è Tell 1?

Tell 1 è la componente di ragionamento della pila vocale di Retell, elencata nella homepage di Retell Labs sotto “Developed by Retell Labs”. Non è commercializzato come modello separato: non esistono scheda tecnica, repository, dimensione della finestra di contesto, numero di parametri, licenza o tariffa per token.

L’unica informazione pubblica proviene dal Retell vCX Benchmark, dove Tell 1 registra:

    • 88,6 % di conformità alle istruzioni;
    • 97,2 % sulla dimensione “hallucination”;
    • 95,4 % per l’appel di tool;
    • 96,6 % in linguaggio colloquiale;
    • Media complessiva di 94,45 %;
    • Latenza mediana di 72,5 ms;
    • Costo modello di 3,5 cents per minuto.

Il modello è venduto esclusivamente come tempo di utilizzo sulla piattaforma Retell, con tariffe comprese tra 0,07 $ e 0,31 $ per minuto a seconda della configurazione. Il modello è strettamente integrato con la telefonia, la gestione dei turni di parola e il motore di sintesi vocale.

Perché non è disponibile per il download

Retell non rivela se Tell 1 sia un fine‑tuning di un modello pubblico, un modello addestrato da zero o una piccola distillazione di un modello più grande. La latenza di 72 ms suggerisce un modello leggero, ma la velocità dipende anche da componenti di rete e orchestrazione. L’aspetto più rilevante è che Tell 1 è fornito come servizio completo: l’acquisto del tempo di utilizzo include già la telefonia, il routing delle chiamate, la voce sintetica e l’integrazione con tool esterni.

Confronto pratico: proprietà, costi e latenza

Le differenze sostanziali tra i due prodotti possono essere riassunte in una tabella sintetica:

    • Proprietà: LFM2.5 è un checkpoint scaricabile; Tell 1 è un servizio chiuso.
    • Flessibilità: LFM2.5 richiede fine‑tuning per ogni caso d’uso; Tell 1 è pronto all’uso per chiamate telefoniche.
    • Costi fissi: LFM2.5 implica spese di GPU, dati etichettati e infrastruttura; Tell 1 implica solo costi di consumo minuto‑per‑minuto.
    • Latenza: LFM2.5, una volta ottimizzato, può girare in locale con latenza molto bassa; Tell 1 offre 72,5 ms di latenza mediana, ma dipende dalla connessione di rete.

Il budget di latenza è cruciale: se l’applicazione richiede una risposta in tempo reale su device locale (ad esempio, un assistente offline), LFM2.5 è la scelta più sensata. Se invece il valore aggiunto è la qualità vocale e l’integrazione con sistemi telefonici già pronti, Tell 1 diventa più conveniente.

Scenari d’uso consigliati

LFM2.5 2.6B Base è adatto per:

    • Sistemi di supporto decisionale interni dove i dati sono sensibili e non si vuole dipendere da cloud esterni;
    • Applicazioni mobile o edge che richiedono inferenza offline;
    • Progetti di ricerca che necessitano di modificare l’architettura o aggiungere nuovi token speciali.

Tell 1 è consigliato per:

    • Centri di contatto che vogliono automatizzare le chiamate senza investire in sviluppo interno;
    • Servizi di assistenza clienti multilingue con integrazione immediata di tool e API;
    • Start‑up che preferiscono un modello “pay‑as‑you‑go” senza gestire infrastruttura.

Considerazioni finali

La scelta tra Tell 1 e LFM2.5 2.6B Base non si riduce a una semplice questione di prezzo o velocità. Si tratta di decidere se si ha bisogno di controllo totale sul modello (peso, quantizzazione, distribuzione) o di un servizio pronto all’uso con tutti gli strati di orchestrazione già integrati.

Se la priorità è la proprietà dei dati e la capacità di personalizzare l’inferenza, il checkpoint di Liquid AI offre una piattaforma solida, purché si disponga delle risorse per il fine‑tuning. Se invece il focus è sul time‑to‑market e sulla qualità dell’interazione vocale, Tell 1 di Retell rappresenta una soluzione chiavi‑in‑mano, anche se con costi variabili per minuto.

In sintesi, valutate attentamente il vostro caso d’uso, le risorse disponibili e il budget di latenza: solo così potrete decidere quale dei due modelli risponde realmente alle vostre esigenze.