
Retell × OpenAI:月处理逾 1 亿通话,客户解决率 80%+,人均 ARR 约 $160 万
管理客服语音AgentCodex评测Realtime运营
一句话结论
用自建 vCX 基准在真实多轮场景选模,OpenAI 模型扛约 80% 通话;人接班前由 agent 简报上下文。月通话从年初约 3000 万到 9 月逾 1 亿,解决率 80%+,工程用 Codex 撑人均收入。
打开原文
OpenAI:Retell uses OpenAI models to help power 100M monthly calls
背景与理念
企业语音 agent 要在政策与角色内跟着对话走,而不是 demo 上好听。Retell 服务逾 4000 家企业,用 OpenAI 模型保质量与可靠,累计消耗逾 1 万亿 token。
具体做法
- vCX 基准:用生产难例比指令遵循、 grounding、工具调用与口语;2026-10-13 榜 GPT-6 Astra 指令遵循 89.7%。
- 通话中:harness 管听/说/打断,模型按客户指令与上下文生成并请求工具;需人时先简报再转接。通话后用 GPT-5.6 Terra 抽结果写回记录。
- 工程:Codex 调研陌生代码与排障;开前端 PR 时用 GPT-6 Astra 计算机使用点界面找回归。高峰流量可超夜间约 50 倍,用专属机与区域端点控延迟与驻留。
关键数据/例子
客户解决率 80%+;Anker 美英售后 80.4% 结案、NPS 63。Pine Park Health 预约 agent 接通后预订率 55.7%,回收约 2.1 个医助全职当量。首句中位延迟一例:Astra/Sol 883ms。
创新点
第一,用生产难例自建语音基准选模,而不是看通用榜。第二,人接班前强制上下文简报,把「转人工」做成可控交接。
可否复用
- 客服语音先建 20–50 条真实难例基准再换模。
- 转人工协议写清:摘要、待决问题、确认就绪。
- 把 Codex/计算机使用嵌进 PR 门禁,而不是只当聊天。