Grok 4.5 und GPT-5.6 sind im Abstand von nur einem Tag gestartet und spalten seitdem die Fachwelt: Auf der einen Seite OpenAI mit einer agentenbasierten Coding-Quote von 91,9 %, auf der anderen SpaceXAI mit einem aggressiven Preis von 2 US‑Dollar pro Million Tokens – ein direkter Angriff auf die Spitzenpreise der Branche.
Zentrale Punkte:
- GPT-5.6 Sol liegt in den meisten direkten Benchmarks vorn, während Grok 4.5 bei Preis, Geschwindigkeit und Tokenverbrauch deutlich unterbietet.
- Unabhängige Tester sehen Grok 4.5 bei der „Intelligenz“ nur auf Rang vier und melden eine Halluzinationsrate, die sich auf 54 % verdoppelt hat.
- Rezensenten bevorzugen GPT-5.6 fürs Schreiben und lange Coding-Sessions, Grok 4.5 hingegen für großvolumige Budget-Einsätze.
Grok 4.5 vs. GPT-5.6 im Benchmark-Vergleich
SpaceXAI brachte Grok 4.5 am 8. Juli auf den Markt. OpenAI konterte einen Tag später mit GPT-5.6 – einer Modellfamilie, die das Flaggschiff Sol mit den günstigeren Stufen Terra und Luna kombiniert. Das Benchmark-Haus Artificial Analysis setzte den neuen Grok mit 54 Punkten auf Platz vier seines Intelligence Index, hinter Claude Fable 5, GPT-5.5 und Opus 4.8.
Im direkten Duell spricht derzeit mehr für OpenAI. Eine vorläufige Auswertung kommt auf 86 Punkte für GPT-5.6 Sol gegenüber 82 Punkten für Grok 4.5 – getrieben von einem klaren Vorsprung bei terminalbasierten, agentischen Aufgaben (91,9 % versus 83,3 %). Im reinen Coding-Durchschnitt liegen beide nahezu gleichauf: 64,7 zu 64,6.
OpenAI führt an, Sol erreiche im maximalen Reasoning-Modus einen Rekordwert von 80 im unabhängigen Coding Agent Index; Grok 4.5 komme im firmeneigenen Grok-Build-Rahmen auf 76. Wirtschaftlich ist das Bild umgekehrt: Grok verlangt 2 US‑Dollar pro Million Input-Tokens, Sol 5 US‑Dollar. Ein fertig abgerechneter Coding-Job kostet bei Grok im Schnitt 2,49 US‑Dollar – gegenüber 11,80 US‑Dollar bei Fable 5.
Auch interessant: Dodgers-Wetten steigen auf 68 Mio. Dollar, während Polymarket und Kalshi auf das MLB-Playoff-Rennen setzen
Coding, Schreiben und Alltagsaufgaben
Praxistests bestätigen diese Aufteilung. In einem Langzeittest mit realen Repositories schaffte Sol 63,7 % von über 100 Aufgaben in produktiven Codebasen ohne Fehlversuche und blieb auch durch chaotische, mehrstufige Checklisten hinweg „auf Kurs“. Ein weiterer unabhängiger Coding-Benchmark bewertete Sol mit 92 von 100 Punkten und Grok 4.5 mit 87 – damit liegt Grok auf Augenhöhe mit den besten Open-Weights-Modellen.
Bei Textarbeit verläuft der Trend ähnlich. Frühe Nutzer beschreiben Sol als neuen Standard im Arbeitsalltag: Das Modell decke inzwischen rund 80 % klassischer Wissensarbeit ab und halte sich besser als die Konkurrenz an Stilvorgaben und Corporate-Styleguides.
Grok 4.5 kontert mit Tempo und Folgsamkeit. Tester, die das Modell in laufenden Kundenprojekten einsetzten, berichten von sauberen Builds bereits beim ersten Versuch, verlässlichem strukturiertem Output und Antwortzeiten unter fünf Sekunden – bei etwa 80 Tokens pro Sekunde. Der Haken ist die Genauigkeit: Die gemessene Halluzinationsrate sprang von 25 % auf 54 %, gleichzeitig stieg die faktische Trefferquote immerhin auf 52 %.
Expertenurteile und Vertrauensfragen
Elon Musk preist Grok 4.5 als „Opus-Klasse – aber schneller, token-effizienter und günstiger“. Einige Analysten argumentieren, der Preisvorteil könne die Benchmark-Lücke überkompensieren, zumal Grok pro typischer Aufgabe nur rund 1,9 Millionen Tokens verbrauche, während Fable 5 auf 7,2 Millionen kommt.
Skeptiker sehen dennoch reichlich Gründe für Zurückhaltung. Tester weisen darauf hin, dass zentrale Launch-Werte vom Anbieter selbst stammen und kein ausführliches Model Card veröffentlicht wurde. Zudem zog Cursor einen internen Benchmark zurück, nachdem bekannt wurde, dass Grok versehentlich auf Teilen des Cursor-Codebestands trainiert worden war. Auch GPT-5.6 ist nicht frei von Fußnoten: Die Systemdokumentation von OpenAI räumt ein, dass das Modell Anweisungen häufiger übergeht als sein Vorgänger.
Der Schlagabtausch markiert den vorläufigen Höhepunkt einer turbulenten Phase: SpaceX integrierte xAI im Februar vollständig, kaufte Cursor im Juni für 60 Milliarden US‑Dollar und taufte das gemeinsame KI-Labor zwei Tage vor dem Grok-4.5-Start in SpaceXAI um. OpenAI verbrachte derweil einen Großteil des Juni damit, Sol durch eine staatliche Sicherheitsprüfung zu bringen, während Anthropics Fable 5, weiterhin offiziell Benchmark-Spitzenreiter, erst am 1. Juli aus einer 19‑tägigen Aussetzung zurückkam.
Weiterlesen: Ethereum holt gegenüber Bitcoin auf und testet Tom Lees Bullen-Szenario für 2026