Launch 8. Juli 2026 · Cursor-Co-Training · Benchmark-Tabellen · API-Preise · TryAI-Praxistests · Wechsel-Matrix
Kurzfassung: Am 8. Juli 2026 lieferte Elon Musks SpaceXAI Grok 4.5 aus — das erste Flaggschiff-Modell seit dem Börsengang. Musk nannte es „Opus-Klasse Intelligenz zu einem Bruchteil der Kosten“. Nach Durchsicht aller veröffentlichten Benchmarks, unabhängiger Evaluierungen und realer Coding-Tests: das ungefilterte Urteil — plus wann Grok Claude bei Euro schlägt und wann nicht bei Genauigkeit.
Grok 4.5 ist SpaceXAI's Frontier-Modell für:
Das Modell wurde gemeinsam mit Cursor trainiert (Co-Training). SpaceX übernahm im Juni 2026 Cursor-Mutter Anysphere; das Training umfasste Billionen Tokens echter Entwicklerinteraktionen — wie Entwickler in einer IDE schreiben, reviewen und debuggen, und wie Agenten mit Live-Codebases interagieren.
| Spezifikation | Detail |
|---|---|
| Architektur | Mixture of Experts (MoE) |
| Kontextfenster | 500.000 Tokens |
| Reasoning-Modi | Low / Medium / High (Standard: High) |
| Geschwindigkeit | 80 TPS offiziell, ~90 TPS gemessen |
| Trainings-Infrastruktur | Zehntausende NVIDIA GB300 GPUs (Memphis, TN) |
| Parameteranzahl | Nicht veröffentlicht |
Explodierende Agent-Rechnungen — Claude Code und Codex-Kosten steigen bei hohem Volumen
Bester Benchmark ≠ günstigste Produktion — Leaderboard-Sieger können der teuerste Daily Driver sein
Cursor-native Alternative — Teams in Cursor brauchen eine glaubwürdige Opus-Option
Vertrauenslücken — CursorBench wegen Trainingsdaten-Kontamination zurückgezogen
| Modell | Input (pro 1M) | Output (pro 1M) |
|---|---|---|
| Grok 4.5 | 2,00 $ | 6,00 $ |
| Grok 4.5 (gecachter Input) | 0,50 $ | — |
| Grok 4.5 Fast | 4,00 $ | 18,00 $ |
| Claude Opus 4.7 | 5,00 $ | 25,00 $ |
| GPT-5.6 Sol | 5,00 $ | 30,00 $ |
| GPT-5.6 Luna | 1,00 $ | 6,00 $ |
| Modell / Plattform | Ø Tokens pro Aufgabe | Geschätzte Kosten |
|---|---|---|
| Grok 4.5 / Grok Build | ~1,9M | 2,49 $ |
| GPT-5.5 / Codex | ~6,2M | 5,07 $ |
| Claude Fable 5 / Claude Code | ~7,2M | 11,80 $ |
Auf SWE-Bench Pro nutzte Grok 4.5 im Schnitt 15.954 Output-Tokens pro Aufgabe. Claude Opus 4.8: 67.020 — eine 4,2× Effizienzlücke. Bei 500 Aufgaben/Tag: etwa 1.245 $/Tag vs. 5.900 $/Tag.
prompt_cache_key oder x-grok-conv-idus-east-1, us-west-2 (EU Mitte Juli erwartet)| Benchmark | Grok 4.5 | Fable 5 | Opus 4.8 | GPT-5.5 |
|---|---|---|---|---|
| DeepSWE 1.0 (Provider-Harness) | 62,0 % | 66,1 % | 55,75 % | 64,31 % |
| DeepSWE 1.1 (neutraler Harness) | 53 % | 70 % | 59 % | 67 % |
| Terminal Bench 2.1 | 83,3 % | 84,3 % | 78,9 % | 83,4 % |
| SWE-Bench Pro | 64,7 % | 80,4 % | 69,2 % | 58,6 % |
Hinweis: CursorBench wurde zurückgezogen, nachdem Cursor-Codebase-Snapshots versehentlich in Grok-4.5-Trainingsdaten gelangten — ein Transparenzproblem beim Launch.
| Benchmark | Grok 4.5 | Fable 5 | Opus 4.8 |
|---|---|---|---|
| AutomationBench-AA (657 Workflows) | 51,4 % | 48,6 % | 48,5 % |
| Snorkel GDPVal+ | 29 % | — | 21 % |
Grok 4.5 ist das erste Modell, das mehr als die Hälfte der Enterprise-Workflow-Ziele ohne Verletzung von Business-Constraints abschließt (Gmail, Slack, Salesforce, HubSpot und 36 weitere simulierte Apps). Snorkel zeigt deutliche Vorsprünge in Recht (40 % vs. 27–28 %), Bildung (58 % vs. 35–42 %) und Gesundheitswesen (35 % vs. 23–25 %).
Artificial Analysis Intelligence Index: 54/100 (Platz 4), hinter Fable 5 (60), Opus 4.8 (56), GPT-5.5 (55) — dennoch +16 gegenüber der vorherigen Grok-Generation.
3D-Würfel-Rendering (härtester Test): Opus 4.8 und Fable 5 gelangen beim ersten Versuch. Grok 4.5 renderte Titel und Buttons, aber keinen Würfel — beim Retry behoben. GPT-5.5 scheiterte.
Geschwindigkeit: Grok 4.5 lieferte das erste Token in unter 500 ms und streamte mit ~110 Tokens/Sekunde — etwa doppelt so schnell wie Wettbewerber.
Fazit: Hohes Volumen, repetitive Codegen begünstigt Grok 4.5. Komplexe stateful UI, die beim ersten Mal stimmen muss, begünstigt weiterhin Claude.
API-Schlüssel unter console.x.ai erstellen
us-east-1 oder us-west-2 wählen
Responses API mit model: "grok-4.5" aufrufen
prompt_cache_key für Cache-Hits setzen (0,50 $/M Input)
Context Compaction bei langen Agent-Schleifen aktivieren
curl -s https://api.x.ai/v1/responses \
-H "Authorization: Bearer $XAI_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"grok-4.5","input":"Find and fix the bug: function median(a){a.sort();return a[a.length/2]}"}'| Szenario | Wahl | Warum |
|---|---|---|
| Hunderte–tausende Agent-Aufgaben/Tag | Grok 4.5 | ~2,49 $ vs. 11,80 $ pro Aufgabe |
| Terminal / Tool-Use-lastig | Grok 4.5 | Führt oder gleicht bei Terminal Bench & AutomationBench |
| Cursor-native Teams | Grok 4.5 | Reibungslose Integration |
| SWE-Bench-Pro-Präzisions-Refactors | Claude Fable 5 | ~16 Punkte Vorsprung |
| Halluzinations-sensible Produktion | Claude + Validierung | Grok AA-Omniscience Halluzinationsrate 54 % |
| Mischstrategie | Grok-Subtasks + Claude-Architektur | Übliches Enterprise-Muster |
Grok 4.5 ist Mitte 2026 nicht das genaueste Coding-Modell — Claude Fable 5 hält die Krone. Was es liefert, ist das beste Intelligenz-pro-Dollar-Verhältnis für agentisches Coding heute. Bei 2,49 $ pro realer Aufgabe gegenüber 11,80 $ für Claude Code ist das Kostenargument Arithmetik, kein Marketing.
Vertrauen Sie nicht blind beim ersten Produktions-Deploy. Validieren Sie Outputs, beobachten Sie Halluzinationsraten und halten Sie ein Claude-Modell für die harten Fälle bereit.
Datenstand 10. Juli 2026. Offizielle Docs vor Kaufentscheidungen prüfen.
Kommt auf die Metrik an. Opus gewinnt SWE-Bench-Pro-Genauigkeit; Grok gewinnt Geschwindigkeit, Token-Effizienz und Kosten pro Aufgabe — oft 4× — plus agentische Workflow-Completion in unabhängigen Benchmarks.
Begrenzte Gratis-Nutzung in Grok Build und Cursor für begrenzte Zeit. API: 2 $/M Input, 6 $/M Output. Cursor-Pläne enthalten es im Pool.
Alle Cursor-Pläne. Modellauswahl → Grok 4.5. Verdoppelte Nutzung in der Launch-Woche.
500.000 Tokens — genug für die meisten großen Codebase-Aufgaben.
Cursor-Codebase-Snapshots kontaminierten Trainingsdaten für den Benchmark. Ergebnisse zurückgezogen; unabhängige Neutests erwartet.
Ja — auch Vercel, Cloudflare, Snowflake und Databricks Mosaic.
Grok 4.5 macht Opus-Klasse-Agent-Arbeit erschwinglich — besonders in Cursor. Wenn Ihr Daily Driver Windows oder Linux ist, Sie aber eine echte macOS-GUI brauchen, um Cursor + Grok zu validieren, Keychain-Dialoge zu bestätigen oder iOS-Builds neben Agent-Schleifen zu fahren: Hardware kaufen ist teuer, SSH allein klickt keine Systemdialoge. VNCMac vermietet physische Mac-mini-Knoten stundenweise mit vollem VNC-Desktop — Modelle wechseln, Agenten laufen lassen, Benchmarks aus diesem Guide abnehmen, dann Miete stoppen. Siehe Mac-Mietpläne.