Grok 4.5: fast Frontier-Niveau, offene Zahlen

Grok 4.5 ist laut TechCrunch am 8. Juli 2026 erschienen, und Elon Musk bewirbt es als „Opus-class model“, also als Modell auf Augenhöhe mit Anthropics Spitzenprodukt. xAI verspricht dazu einen deutlich niedrigeren Preis. Ob das Modell wirklich „fast Frontier-Niveau zum Bruchteil der Kosten“ erreicht, lässt sich mit den derzeit öffentlich überprüfbaren Quellen aber nicht sauber belegen. Genau diese Lücke sollten Sie kennen, bevor Sie Ihre Modellwahl darauf aufbauen.

Was hat xAI bei Grok 4.5 tatsächlich angekündigt?

xAI positioniert Grok 4.5 als günstigere, effizientere Alternative zu anderen leistungsstarken KI-Modellen. Laut The Decoder trainierte xAI das Modell auf zehntausenden Nvidia-GB300-GPUs. In der EU soll es Mitte Juli verfügbar sein.

Die beworbenen Eckdaten laut The Decoder:

• 2 Dollar pro Million Input-Tokens, 6 Dollar pro Million Output-Tokens.

• Rund 4,2-mal weniger Tokens als Opus 4.8 für vergleichbare Aufgaben.

• In Coding-Benchmarks noch deutlich hinter Fable 5 und teils knapp hinter GPT-5.5.

TechCrunch bestätigt die grobe Stoßrichtung: ein günstigeres, effizienteres Modell, das Musk mit Anthropics Opus-Reihe auf eine Stufe stellt.

Sind die Preis- und Benchmark-Zahlen zu Grok 4.5 belegt?

Nur teilweise. Für die zentralen Zahlen zu Grok 4.5, also die genannten Token^?Kleinste Verarbeitungseinheit eines Sprachmodells, etwa ein Wortteil. Abgerechnet wird meist pro Million Tokens für Ein- und Ausgabe.-Preise und die Effizienz gegenüber Opus 4.8, fehlt derzeit eine direkt überprüfbare Primärquelle mit belastbarem Veröffentlichungsdatum. Sie stehen im Raum, unabhängig geprüft sind sie aber noch nicht. Solche Angaben sind ein Hinweis, kein Beweis.

Belastbar sind dagegen die Vergleichswerte der Konkurrenz. OpenAI nennt in der offiziellen Vorstellung von GPT-5.5 vom 8. Juli 2026 folgende Werte:

• GPT-5.5: 58,6 % auf SWE-Bench Pro^?Benchmark, der misst, wie gut ein Modell reale Software-Engineering-Aufgaben in Code-Repositories löst. (Public), 82,7 % auf Terminal-Bench 2.0^?Test für Aufgaben auf der Kommandozeile, also die Fähigkeit eines Modells, Befehle im Terminal korrekt auszuführen..

• Claude Opus 4.7: 64,3 % auf SWE-Bench Pro (Public), 69,4 % auf Terminal-Bench 2.0.

Eine Einordnung von DataCamp vom selben Tag bestätigt die Richtung: Opus 4.8 liegt bei SWE-Bench Pro vor GPT-5.5 (69,2 gegen 58,6 Prozent), während GPT-5.5 bei Terminal-Bench 2.0 vorne liegt (82,7 gegen 74,6 Prozent).

Bevor Sie eine Entscheidung auf ein Modell stützen, lohnt der Blick hinter die Zahl. Wer solche Benchmarks systematisch einordnen will, findet in unserer Analyse dazu, wie oft die Spitze im Modellvergleich wechselt, den passenden Kontext. Ein praxisorientierter Vergleich der wichtigsten KI-Tools im Rahmen eines Führungskräfte-Workshops hilft, wenn Sie mehrere Modelle gegeneinander testen wollen, statt sich auf Hersteller-Folien zu verlassen.

Für welche Aufgaben lohnt sich das günstigere Modell im Alltag?

Das entscheidet sich weniger am Spitzenwert als an der Aufgabe und am Preis pro Token. Bei hohem Volumen mit klaren, wiederkehrenden Aufgaben zählt Effizienz oft mehr als das letzte Prozent Genauigkeit. Bei heikler Software-Engineering-Arbeit dagegen wiegt Zuverlässigkeit schwerer.

Grobe Orientierung nach den verifizierten Daten:

• Repository- und Software-Engineering-Aufgaben: Opus 4.8 führt in den vorliegenden Zahlen.

• Terminal- und CLI-lastige Arbeit: GPT-5.5 liegt hier vorne.

• Hohes Anfragevolumen mit Kostendruck: Hier wäre Grok 4.5 interessant, sofern sich die günstigen Preise bestätigen und die Qualität im eigenen Test reicht.

Wer bei den laufenden Kosten genauer rechnen will, sollte verstehen, warum Token-Kosten in vielen Unternehmen unterschätzt werden. Ein Modell, das pro Aufgabe weniger Tokens braucht, kann günstiger sein, selbst wenn der Preis pro Million Tokens höher liegt.

Was bedeutet das für Ihre Modellwahl?

Warten Sie mit der Umstellung, bis unabhängige Auswertungen die Zahlen zu Grok 4.5 prüfen. Testen Sie das Modell an Ihren eigenen Fällen, nicht an fremden Benchmarks. Prüfen Sie zuerst zwei, drei Aufgaben, die bei Ihnen oft vorkommen und messbar sind.

Mein Eindruck aus der Beratungspraxis: Der Preis ist selten der Engpass. Der Engpass ist die Frage, ob ein Modell Ihre konkrete Aufgabe zuverlässig löst. Ein günstiges Modell, das in 5 Prozent der Fälle Nacharbeit erfordert, kostet am Ende mehr als ein teureres, das durchläuft.

Zurück zur Ausgangsfrage: Erreicht Grok 4.5 fast Frontier-Niveau zum Bruchteil der Kosten? Die Preisversprechen sind attraktiv, die Belege dafür fehlen noch. Bis eine überprüfbare Primärquelle die Zahlen bestätigt, gilt: interessant genug für einen eigenen Test, zu dünn für eine Umstellung im Betrieb.