Cartesia

Cartesia Ink Whisper

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

#12lançado 6 de out. de 2026·Proprietary·Not disclosed
audio64K ctx
Provedores de APIExecutar modelo →vs ElevenLabs Scribe v2Ranking
Inteligência
91.8 #12
AAQI 92.0
Velocidade de saída
260 t/s
ITL 3.8 ms/tok
Preço combinado (3:1)
$0.008 /1M
Entrada $0.006/M · Saída $0.012/M
Contexto
64K
≈ 160 páginas A4 · saída máx. 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)

Os eixos do radar são aproximados a partir dos scores de categoria quando faltam medições diretas — veja Metodologia.

Pontos fortes e trade-offs

Onde vence

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

Pontos de atenção

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

Casos de uso matadores

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.

Quickstart do desenvolvedor e API

Defina primeiro CARTESIA_API_KEY — obter uma chave de API
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."}]
  }'

Recursos e links oficiais

Implantação de API

Comparar hosts e latência

Throughput, TTFT e preços de cache na Groq, Cerebras, Together, DeepInfra, Fireworks, Bedrock e Azure.

GroqCerebrasTogether AIDeepInfraFireworks AIAWS BedrockAzure AI
Ver matriz de provedores →

Pontuações por fonte

Confrontos diretos ao vivo

Especificações ao vivo e arquitetura

Por baixo do capô
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
Data de lançamento
6 de out. de 2026
Arquitetura
Ink Whisper — state-space streaming STT
Parâmetros
Not disclosed
Licença
Proprietary
Janela de contexto
64,000 tokens
Saída máx.
8,192 tokens
Modalidades
audio
Preços de cache
leitura $0.002 · escrita $0.008 /1M
Raciocínio
—
Preço de entrada
$0.006/M
Preço de saída
$0.012/M
Velocidade de saída
260 t/s
Tempo até o primeiro token
—
Dados atualizados
22 de out. de 2026

Fatura mensal estimada

Gasto mensal estimado
$0.00
Calculando economia vs GPT-4o…

Citar e incorporar

Badge de Markdown do GitHub
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}
}

Incorporar selo de pontuação

Adicione um selo de Podium Score ao seu README no GitHub ou Hugging Face — ele aponta para o ranking ao vivo.

Pré-visualização
Cartesia Ink Whisper LLMPodium Score
Markdown
Loading badge snippet...
HTML
Loading badge snippet...

Modelos alternativos

Principais alternativas para Cartesia Ink Whisper com base em recursos, preço e benchmarks.

0 / 4