GPT-6 Astra gewinnt Retells Benchmark, fehlt aber unter den empfohlenen Modellen

Retell, eine Plattform für Sprachagenten in Callcentern, wickelt laut einer Fallstudie von OpenAI mehr als 100 Millionen Anrufe im Monat ab. Anfang 2026 waren es 30 Millionen. Die Studie ist Werbung des Modellanbieters, und ihr fehlt eine nützliche Angabe: was Retell zahlenden Kunden tatsächlich empfiehlt.

OpenAI präsentiert Retell als Kunden mit 100 Millionen Anrufen pro Monat

Retell bedient mehr als 4.000 Unternehmen. Firmen legen Kontext, Ziele und Regeln des Agenten fest, Entwickler ergänzen Workflows und Anbindungen an eigene Systeme. Während des Gesprächs steuert Retell die Audiomodelle und entscheidet, wann der Agent spricht, zuhört oder auf Unterbrechungen reagiert. Laut Studie erzeugen bei 80 % der Anrufe OpenAI-Modelle die Antworten und Tool-Aufrufe. Retell hat dabei mehr als 1 Billion OpenAI-Tokens verbraucht.

Seine Modelle wählt Retell mit dem eigenen Benchmark vCX aus. Er vergleicht Dutzende Modelle in schwierigen, mehrstufigen Gesprächen aus dem Produktivbetrieb. In der Messung vom 13. Oktober 2026 lag GPT-6 Astra beim Befolgen von Anweisungen mit 89,7 % vorn. Eine frühere Auswertung aus der Zeit vor Astra sah GPT-5.5 an der Spitze, sowohl bei der Halluzinationsfreiheit (88,0 %) als auch bei korrekten Tool-Aufrufen (88,3 %) mit aktiviertem Reasoning.

Die zweite Hälfte der Studie handelt von Codex. Retells Ingenieure nutzen es, um sich in unbekannten Code einzuarbeiten, Funktionen zu bauen und Fehler zu suchen. GPT-6 Astra klickt sich per Computer Use durch Frontend-Pull-Requests und versucht, sie kaputtzumachen. Retell meldet eine jährliche Umsatz-Run-Rate von 1,6 Millionen Dollar pro Mitarbeiter.

Beim Sprachagenten zählen Latenz und Minutenpreis mehr als Platz eins

Retells Preisliste erzählt eine andere Geschichte als die Überschrift der Studie. GPT 6 Astra kostet dort 0,32 Dollar pro Gesprächsminute. Die günstigsten als empfohlen markierten Modelle, GPT 5.6 Terra und Claude 5 Sonnet, kosten 0,064 Dollar, also ein Fünftel. Astra steht nicht auf der Empfehlungsliste, Claude von der Konkurrenz dagegen schon.

Das ist folgerichtig. Ein Callcenter zahlt pro Minute, und Anrufer legen auf, wenn der Agent schweigt. Im selben Benchmark kamen GPT-6 Astra und GPT-6 Sol auf eine mittlere Latenz bis zum ersten Satz von 883 ms, das schnellste Modell GPT-5.6 Luna auf 497 ms. Tagsüber kann der Verkehr auf der Plattform mehr als das 50-Fache des nächtlichen Tiefs erreichen, jede Zehntelsekunde und jeder Cent vervielfacht sich also.

Für ein Produktteam, das einen Sprachagenten auswählt, ist die Lehre handfest. Platz eins beim Befolgen von Anweisungen zeigt, welches Modell sich am besten an Regeln hält. Er zeigt nicht, welches sich auf einer Leitung mit Tausenden parallelen Anrufen rechnet. Retell selbst kombiniert Modelle je nach Aufgabe: GPT-6.1 Sol, GPT-6 Astra und GPT-5.5 im Gespräch, GPT-5.6 Terra für die Auswertung der Transkripte danach.

Erfolgs- und Produktivitätszahlen stammen von Retell, unabhängige Prüfung fehlt

Die Lösungsquote von über 80 % meldet Retell für seine Kunden. Bei Anker, das die Agenten im After-Sales-Support in den USA und Großbritannien einsetzt, lag sie bei 80,4 % gelösten Fällen und einem NPS von 63. Pine Park Health gewann Arbeitszeit medizinischer Assistenzkräfte im Umfang von 2,1 Vollzeitstellen zurück. Die Methodik von vCX und die Definition eines gelösten Anrufs beschreibt die Studie nicht.

Die 1,6 Millionen Dollar pro Mitarbeiter sind noch rutschiger. Retell nennt keine Mitarbeiterzahl, und die Studie trennt nicht, was Codex beigetragen hat und was das schnelle Firmenwachstum. Es ist eine Umsatzkennzahl, keine Messung der Entwicklerarbeit. Den Benchmark betreibt zudem ein Unternehmen, dessen Geschäftsbeziehung zu OpenAI der Anlass der ganzen Studie ist.

Retells nächste Empfehlung wird die Frage entscheiden

Retell versichert, den Benchmark bei jedem neuen Modell zu wiederholen und OpenAI-Neuheiten am Starttag bereitzustellen. Das beste Signal wird deshalb die eigene Preisliste sein. Landet GPT-6 Astra unter den empfohlenen Modellen, hatte die Studie recht. Bleiben die Empfehlungen bei günstigen Modellen zweier Anbieter, entscheiden im Callcenter Kosten und Latenz.

Beobachten lohnt sich auch die Unterstützung weiterer Sprachen, die Retell plant. Europäische Unternehmen dürften sich für die regionalen API-Endpunkte von OpenAI interessieren, die laut Studie bei Anforderungen an die Datenresidenz helfen. Welche Regionen Retell tatsächlich nutzt, verrät die Studie nicht.

Liliths Urteil

Retell lässt GPT-6 Astra auf der Teststrecke gewinnen und baut in die Autos der Kunden dann Motoren zu einem Fünftel des Preises ein. Eine Callcenter-Leiterin, die jede Gesprächsminute bezahlt, liest zuerst die Preisliste und erst dann die Fallstudie.