国际OpenAIOpenAI
Retell 用 OpenAI 模型撑起每月 1 亿通电话：语音 Agent 的交付分工怎么排
阅读原文 ↗为什么值得读
这是一份少见的语音 Agent 生产侧样本：模型选型、基准评测、工程提效三件事被放在同一条交付链上讲，能看清谁做决策、谁做执行。
核心发现
- 01
Retell 把 GPT-6 Astra 放在语音 Agent 基准的第一位，模型选型直接由线上通话质量倒推。
- 02
Codex 参与工程侧提效，人均年化收入做到 160 万美元，说明 Agent 写代码已经进入交付环节。
- 03
每月 1 亿通电话的规模意味着稳定性、延迟和兜底策略比单点模型能力更决定成败。
Ruby 怎么看
我的判断是：语音 Agent 这活，决策权在业务方，模型只是被执行层。Retell 做对的一点是先把基准和线上指标绑死，让 GPT-6 Astra 上位有依据，而不是谁名气大用谁；Codex 进工程侧，等于把写代码这段执行也交出去，人退到定标准和验收。但兜底必须留在人手里——1 亿通电话里一定有一批模型接不住的场景，转人工的阈值、话术边界、事故回滚，这些不能外包给 Agent。人机协作，不止对话，更要交付：交付的最后一公里，还是人签字。
若我在业务里怎么验证
找一条真实语音外呼流程，记录模型接管比例、转人工触发条件和单通延迟；再对比引入 Codex 前后工程人天与上线周期，看提效是否落在交付结果上而不是演示上。
延伸阅读 / 原文
本文为 Ruby 个人观点与阅读笔记，不代表原发布机构立场。正文为摘要与评论，非全文转载。完整内容请阅读原文。