Cartesia

Cartesia Ink Whisper

Cartesia’s streaming speech-recognition model — 90ms time-to-first-token for real-time voice agents.

#12veröffentlicht 6. Okt. 2026·Proprietary·Not disclosed
audio64K ctx
Intelligenz
91.8 #12
AAQI 92.0
Ausgabegeschwindigkeit
260 t/s
ITL 3.8 ms/tok
Blended-Preis (3:1)
$0.008 /1M
Input $0.006/M · Output $0.012/M
Kontext
64K
≈ 160 A4-Seiten · max. Output 8,192

Quality Domain Radar

6-Axis Frontier Evaluation vs Category Average & Flagship

Cartesia Ink Whisper
Claude Mythos Preview (#1)
Average (68)
Coding (15)Mathematics (15)Hard Science (GPQA) (28)Agentic & Tool Use (68)Knowledge (MMLU) (45)Vision / Multimodal (88)

Radar-Achsen sind aus Kategorie-Scores approximiert, wo direkte Benchmark-Messungen fehlen — siehe Methodik.

Stärken & Trade-offs

Wo das Modell gewinnt

  • Fastest streaming STT — 90ms TTFT
  • 260× realtime-factor transcription
  • Cheapest per-minute tier among premium STT

Worauf achten

  • Accuracy dips on heavy accents vs. Scribe
  • Smaller language coverage than ElevenLabs
  • STT only

Killer-Anwendungsfälle

Barge-in voice agents
Instant partials let agents interrupt naturally.
Live captioning
Sub-second captions for calls and streams.
Telephony analytics
Realtime intent extraction on 8kHz audio.

Developer-Quickstart & API

Setzen Sie zuerst CARTESIA_API_KEY — API-Schlüssel holen
curl https://api.cartesia.ai/v1/chat/completions \
  -H "Authorization: Bearer $CARTESIA_API_KEY" \
  -H "content-type: application/json" \
  -d '{
    "model": "ink-whisper",
    "messages": [{"role": "user", "content": "Refactor this function for O(n) time and explain the change."}]
  }'

Offizielle Ressourcen & Links

API-Bereitstellung

Hosts & Latenz vergleichen

Durchsatz, TTFT und Cache-Preise bei Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock und Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Anbieter-Matrix ansehen →

Ergebnisse nach Quelle

Direkte Live-Duelle

Live-Spezifikationen & Architektur

Unter der Haube
Ink Whisper — state-space streaming STT
  • State-space architecture — linear-time streaming decode
  • 90ms time-to-first-transcript-token
  • Endpointing tuned for conversational turn-taking
  • On-device-friendly distilled variants
Veröffentlichungsdatum
6. Okt. 2026
Architektur
Ink Whisper — state-space streaming STT
Parameter
Not disclosed
Lizenz
Proprietary
Kontextfenster
64,000 tokens
Max. Ausgabe
8,192 tokens
Modalitäten
audio
Cache-Preise
Lesen $0.002 · Schreiben $0.008 /1M
Reasoning
—
Eingabepreis
$0.006/M
Ausgabepreis
$0.012/M
Ausgabegeschwindigkeit
260 t/s
Zeit bis zum ersten Token
—
Daten aktualisiert
22. Okt. 2026

Geschätzte Monatsrechnung

Geschätzte Monatsausgaben
$0.00
Ersparnis ggü. GPT-4o wird berechnet…

Zitieren & Einbetten

GitHub-Markdown-Badge
Loading badge markdown...
BibTeX
@misc{llmpodium2026cartesiainkwhisper,
  title = {Benchmark Analysis and Intelligence Evaluation of Cartesia Ink Whisper},
  author = {LLMPodium Research},
  year = {2026},
  url = {https://llmpodium.com/models/cartesia-ink-whisper}
}

Score-Badge einbetten

Fügen Sie Ihrem GitHub- oder Hugging-Face-README ein Live-Podium-Score-Badge hinzu — es verlinkt auf das Live-Ranking.

Vorschau
Cartesia Ink Whisper LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Alternative Modelle

Nächste Alternativen zu Cartesia Ink Whisper basierend auf Leistung, Preis und Benchmarks.

0 / 4