Retell chega a 100 milhões de ligações por mês com modelos da OpenAI e o Codex

A Retell AI, startup norte-americana, desenvolve agentes de voz para contact centers. Hoje ela atende mais de 4000 empresas, e o tráfego mensal saltou de 30 milhões de ligações no início de 2026 para mais de 100 milhões em setembro. Os modelos da OpenAI geram as respostas em 80% das ligações, o consumo total passou de 1 trilhão de tokens, e a taxa de resolução dos clientes fica acima de 80%. Ao mesmo tempo, a receita por funcionário é de $1,6 milhão em base anual. A OpenAI publicou o caso em 27 de outubro de 2026.

Como escolher um modelo para uma ligação ao vivo

Um agente de voz em ambiente corporativo precisa seguir as políticas da empresa, não sair do seu papel e não perder o fio da conversa quando o assunto desvia. Para comparar modelos, a Retell montou o benchmark interno vCX: dezenas de modelos passam por diálogos complexos, de vários turnos, tirados de cenários reais de produção. O teste avalia seguimento de instruções, aderência às informações fornecidas, correção na chamada de ferramentas e naturalidade da fala.

Na rodada de 13 de outubro de 2026, o GPT-6 Astra ficou em primeiro lugar em seguimento de instruções, com 89,7%. Medições anteriores, feitas antes do lançamento do Astra, mostravam outro cenário: com raciocínio ativado, o GPT-5.5 liderava na taxa de respostas sem alucinações (88,0%) e na correção de chamadas de ferramentas (88,3%), à frente do Gemini-3.1-Pro e do Claude-4.6. Sem raciocínio, ele também continuou em primeiro na taxa de respostas sem alucinações. A Retell integra os modelos novos no dia do lançamento e reexecuta o benchmark.

O que acontece dentro de uma ligação

A camada de orquestração da Retell aciona os modelos de áudio, acompanha o andamento da conversa e decide quando o agente deve falar, ouvir ou reagir a uma interrupção. Os textos das respostas e as solicitações de chamada de ferramentas são gerados por modelos da OpenAI. Em seguida, a Retell executa as chamadas por meio de integrações com os sistemas do cliente e pode gravar o resultado no cadastro do cliente. Quando é preciso passar para um humano, o agente coloca o atendente a par do contexto, responde às perguntas dele e só transfere o interlocutor depois de confirmada a prontidão. Após a ligação, o GPT-5.6 Terra analisa a transcrição e extrai os desfechos e os dados estruturados.

Quanto à latência, o quadro é este: o tráfego diurno supera o mínimo noturno em mais de 50 vezes, por isso a Retell usa servidores dedicados da OpenAI, compartilhados entre todos os seus clientes. Endpoints de API regionais encurtam o caminho de rede e ajudam a cumprir os requisitos de residência de dados na saúde e no setor financeiro. A Retell também mantém uma pilha telefônica própria, com uma reserva, além de circuitos de contingência para os serviços de voz e de modelos.

• GPT-6 Astra — primeiro lugar em seguimento de instruções (89,7%), latência mediana da primeira frase de 883 ms; também é usado em testes automatizados de interface
• GPT-6 Sol — latência mediana de 883 ms
• GPT-6.1 Sol — geração de respostas e chamadas de ferramentas nas ligações
• GPT-5.6 Luna — melhor latência do benchmark, 497 ms
• GPT-5.5 — 88,0% sem alucinações, 88,3% de chamadas de ferramentas corretas
• GPT-5.6 Terra — análise de transcrições após as ligações
• Realtime API e text-to-speech da OpenAI — disponíveis aos clientes como motor de voz
• Anker — 80,4% de atendimentos resolvidos, NPS 63, suporte de primeira linha nos EUA e no Reino Unido
• Pine Park Health — 55,7% de consultas agendadas nos contatos com pacientes, o equivalente a 2,1 funcionários em tempo integral de tempo liberado dos assistentes médicos

Codex como colega virtual

A economia da Retell não depende só dos modelos nas ligações. Os engenheiros dão ao Codex um requisito geral, e ele estuda o código, confronta com dados reais e explica o que deve mudar. Um dos engenheiros disse que o Codex faz essa análise melhor e bem mais rápido que ele. Na implementação, o Codex costuma notar detalhes que o desenvolvedor não levou em conta e, na depuração, cruza logs e registros do banco de dados com o código. A equipe também o usa no trabalho com clientes, por exemplo para escrever mais rápido as instruções dos modelos nos aplicativos deles.

Outro capítulo é o teste de frontend. Quando um engenheiro abre um pull request, o GPT-6 Astra, via computer use, abre a interface, clica nela, percorre os cenários, tenta quebrá-los e relata os problemas encontrados. Segundo a Retell, os modelos anteriores não faziam isso de forma confiável. A equipe continua contratando, mas precisa de menos engenheiros do que o negócio cresce.

O que dá para aproveitar do caso

Para quem constrói agentes de voz, o caso traz algumas lições práticas. É preciso ter um benchmark próprio, baseado em diálogos reais: na Retell, é ele que decide qual modelo vai para produção. Vale usar modelos diferentes para tarefas diferentes: o rápido Luna para latência, o Astra para disciplina de instruções, o Terra para pós-processamento. São necessários endpoints regionais e redundância em cada camada. Por fim, com um pico de carga 50 vezes acima do mínimo, capacidade dedicada deixa de ser luxo e vira condição para respostas estáveis.

É importante lembrar que todos os números foram fornecidos pela própria Retell e publicados pela OpenAI no formato de história de cliente. O benchmark vCX é interno e não passou por verificação independente. Entre os planos da empresa estão ampliar o controle de qualidade e as simulações, adicionar idiomas e implementar o autotreinamento a partir da base de conhecimento.