Retell 使用 OpenAI 模型支援每月 1 億通通話

OpenAI 表示，語音代理公司 Retell 使用其模型協助每月處理 1 億通通話，凸顯對話式 AI 基礎設施在投入生產環境後能達到的規模。這項公告也指出，GPT-6 Astra 在 Retell 的語音代理基準測試中領先，並表示 Codex 協助該公司達到每位員工年化營收 160 萬美元的水準。

這些說法將 Retell 定位為 AI 建構者密切關注的兩項發展的案例：語音系統正從展示階段進入高通話量工作流程，而小型、專業化公司則利用基礎模型與程式設計工具提高產出。不過，目前可取得的證據來自 OpenAI 自身的公司簡介，因此採用率、基準測試與生產力數據應被視為供應商提供的資訊，而非經過獨立驗證的數據。

公告內容

OpenAI 的 Retell 官方簡介描述，該公司在語音代理應用中使用 OpenAI 模型，這些應用合計每月處理 1 億通通話。相關資料沒有提供這些通話的更完整拆分，包括由 OpenAI 模型處理的比例、涉及的產業、地理分布、平均通話長度，也沒有說明這個數字代表已接通的通話、嘗試撥打的通話，還是其他內部衡量方式。

公告也將 GPT-6 Astra 稱為 Retell 語音代理基準測試中的最佳表現模型。來源摘要沒有披露測試集、評分方法、競爭模型，或 GPT-6 Astra 與其他系統之間的差距。這些細節很重要，因為語音代理的表現不只取決於文字品質。回應延遲、處理插話、語音辨識、工具執行、可靠性，以及遵循業務規則的能力，都可能影響代理是否能在真實通話中運作。

OpenAI 另外表示，Codex 協助 Retell 達到每位員工年化營收 160 萬美元。這是一項值得注意的營運指標，但來源沒有說明其中多少成果可歸因於 Codex、公司如何定義員工人數，或這個數字反映的是暫時性的年化營收速度，而非已入帳的年度營收。

證據與限制

來源資料中最能獲得確認的一點，是 OpenAI 公開將 Retell 描述為其模型的客戶或使用者，並將該公司與每月 1 億通通話連結在一起。另一個獨立新聞列表也使用了相同標題，但目前可取得的文字沒有提供獨立報導或額外驗證。

因此，這則消息可作為了解 OpenAI 商業敘事的有用訊號，但不能視為對 Retell 業務的完整稽核。1 億通通話是歸因於 OpenAI 的採用說法。GPT-6 Astra 的結果是歸因於 OpenAI 與 Retell 評估流程的基準測試說法。160 萬美元是供應商提供的生產力與年化營收主張，而不是證明所有使用 Codex 的公司都能產生類似經濟效益的證據。

缺少的背景資訊對比較語音平台的買家尤其重要。單靠通話數量，無法得知對話是否成功、使用者之後是否轉接到人工客服、系統多常需要人工介入，或底層推理與電信成本是多少。同樣地，基準測試獲勝也不一定能預測系統在受監管的支援、複雜銷售、預約安排或其他具有不同準確性與安全性要求的工作流程中的表現。

為何這些指標對 AI 建構者很重要

對建構者而言，所報告的規模顯示，語音代理正逐漸被視為營運系統，而不只是孤立的模型展示。在每月 1 億通通話的規模下，監控、備援行為、升級政策、提示詞與工具版本管理，以及每通電話的經濟效益，都會成為核心產品問題。模型只是技術堆疊的一部分；電信、編排、語音處理、客戶資料存取與可稽核性也會塑造最終結果。

Retell 的基準測試主張也指出另一個實務問題：語音模型的選擇可能仍會依工作負載而定。在受控的語音代理測試中表現良好的系統，仍可能需要針對插話、口音、領域術語、長時間通話或嚴格合規要求進行大量調校。因此，產品團隊應要求查看評估定義與生產環境錯誤率，而不是把單一排行榜名次視為普遍保證。

Codex 的說法對創辦人很重要，因為它把開發者工具與公司的營運槓桿連結起來。如果 Codex 協助 Retell 提高每位員工的產出，這不只是代表寫程式變快了。小型團隊可能因此維護更多整合、推出更多實驗，或更快回應客戶需求。但目前可取得的證據無法將 Codex 的貢獻與招聘、架構、資本、定價或其他商業因素區分開來。

對企業 AI 的影響

企業買家可以將這項公告視為語音自動化正以有意義的生產規模被討論的證據，但在意通話量之前，應先關注可靠性與治理。部署審查應包括升級至人工人員、處理模糊請求、保護個人資訊、通話錄音政策、事件回應，以及在不中斷面向客戶的工作流程下更換模型的能力。

對模型供應商而言，Retell 也是展示下游使用情況的有用案例。OpenAI 可以指出一個具體應用類別，在其中模型品質、延遲與開發者工具共同形成可見的商業成果。競爭對手可能會面臨壓力，必須展示可相比的生產工作負載，而不能只依賴一般性的基準測試分數。

對 Retell 而言，公開數據可能有助於建立客戶與投資人的信任，但也會帶來期待。隨著使用量成長，公司需要說明如何衡量成功通話、控制成本、維持服務品質，以及在大規模情況下處理故障。目前的來源資料沒有提供任何這些營運細節。

接下來值得關注的事項

下一個有用訊號將是 Retell 每月 1 億通通話的獨立細節：什麼算是一通電話？其中多少成功完成？又是哪些工作負載產生這個數量？來自 Retell 客戶或第三方使用數據的證據，將有助於區分廣泛採用與 OpenAI 的行銷里程碑。

GPT-6 Astra 的說法也需要公開的基準測試方法，包括測試案例、基準模型、延遲測量、插話處理與可重現性資訊。對企業團隊而言，轉接率、幻覺率、平均解決時間，以及每次完成互動的成本等生產指標，比新聞標題中的排名更具實用價值。

最後，觀察者應尋找能支持 Codex 生產力主張的更明確證據。Retell 的工程實務、團隊規模、營收定義，以及前後對比數據，將決定所報告的每位員工年化營收 160 萬美元，究竟反映持久的營運槓桿，還是快速成長公司某一時點的快照。

Creati.ai 的觀點

OpenAI 的 Retell 簡介是一項有意義的商業訊號，但其中數字最好被理解為模型供應商提供的案例研究，而不是完全經過驗證的市場報告。規模主張顯示語音代理可以支援大量工作負載，但有限的資訊披露仍讓品質、成本與安全等更棘手的問題懸而未決。

對 AI 建構者與企業買家而言，實際教訓是評估完整的語音代理系統。模型基準測試與開發者生產力固然重要，但生產環境的成功將取決於可衡量的通話結果、可靠的升級機制、透明的經濟效益，以及在使用量擴大後仍能有效運作的控制措施。