Grok 4.6: Funktionen, Benchmarks, Preise und Vergleiche

Was ist Grok 4.6?

Grok 4.6 ist das proprietäre Reasoning-Modell von SpaceXAI. Die API und Cursor weisen kein identisches Kontextlimit auf, und der höhere Tarif für langen Kontext greift lange vor dem API-Limit. Die Tabelle stellt diese Einschränkungen den Input-Typen, Tools und dem Knowledge Cutoff gegenüber.

SpaceXAI veröffentlicht weiterhin keine Parameterzahl für die Modelle. Die 1,5-Billionen-Angabe in manchen Berichten stammt nicht von SpaceXAI und ist daher keine bestätigte Spezifikation.

Was ist neu in Grok 4.6?

SpaceXAI sagt, dies sei kein von Grund auf neu trainiertes Modell. Stattdessen erhielt Grok 4.5 zusätzliches Training mit besonderem Fokus auf KI-Agentenaufgaben. Die gemeldeten Änderungen betreffen längere Agentenläufe, visuelle Builds und Post-Training.

Längere Agentenaufgaben

Laut SpaceXAI bleibt Grok 4.6 bei langen Aufgaben mit mehreren Schritten – etwa Recherche, Arbeit über eine Codebasis hinweg und Aufbau einer Anwendung – besser auf Kurs. Das Modell überprüft seine Arbeit dem Vernehmen nach häufiger, statt alles in einem Durchgang zu erledigen.

Das passt zu einer breiteren Änderung beim Testen von Modellen. Eine gute erste Antwort ist weniger aussagekräftig, wenn das Modell nach mehreren Toolaufrufen frühere Entscheidungen „vergisst“. Auch interne Tests von GitHub fanden, dass Grok 4.6 bei längeren Aufgaben weiter schlüssig denkt und Tools nutzt.

Die API bietet Funktionen, die zu dieser Aussage passen. Grok 4.6 kann Reasoning-Zusammenfassungen streamen, was Grok 4.5 nicht bereitstellt, und xAI empfiehlt Context Compaction mit einem persistenten prompt_cache_key für lange Agentenschleifen. Compaction kürzt frühere Historie zu einem Eintrag, verbraucht aber weiterhin Tokens und die Anfrage muss vor der Verdichtung ins Kontextfenster passen.

Visuelle und interaktive Webentwicklung

SpaceXAI und Cursor berichten beide von besseren Erstversuchen bei visuellen Projekten. In einem externen Test baute Grok 4.6 eine alte iPod-Mini-Produktseite als 3D-Site mit funktionsfähigem Farbrad und Scroll-Animation nach. Die Demo funktionierte, doch ein Test belegt nicht die generelle Aussage.

Wie Grok 4.6 post-trainiert wurde

Wenn dich nur Benchmarks und Preise interessieren, überspringe diesen Abschnitt. Er erklärt SpaceXAI’s Darstellung, woher der Zugewinn kommt.

SpaceXAI hat mehr Feintuning betrieben als bei Grok 4.5. Es nutzte KI-erstellte Reasoning-Beispiele und Engineering-Beispiele, entfernte schwache Beispiele mit modellbasierten Checks und setzte anschließend Reinforcement Learning für Coding, Office-Aufgaben, Webentwicklung, Kernel-Tuning und Computerdesign ein. Zudem, so SpaceXAI, erzeugte Grok 4.5 neue Trainingsbeispiele über verschiedene Reasoning-Einstellungen und Themen hinweg. Der Zugewinn wird mehr Training und strengerer Datenauswahl zugeschrieben, nicht einer neuen Architektur.

Externe Teams können diese Details nicht überprüfen, und SpaceXAI hat nicht genug Informationen geteilt, um das Training zu reproduzieren. Es handelt sich um die Darstellung des Unternehmens, nicht um ein extern verifiziertes Ergebnis.

Grok 4.6 Benchmarks: Offiziell und unabhängig

Die Launch-Tabelle von SpaceXAI zeigt, wo die Scores gestiegen sind, aber die Konkurrenzwerte sind „Bestwerte aus Eigenangaben oder öffentlich verfügbaren Ergebnissen“. Ein Team hat nicht jedes Modell im gleichen Setup getestet. Der Reasoning-Effort ist unten enthalten, weil er den Score beeinflusst.

Grok 4.6 verbessert sich gegenüber Grok 4.5 in der ganzen Tabelle. Sols größte Abstände zeigen sich bei DeepSWE und Terminal-Bench, während Fable in drei Zeilen führt. Selbst SpaceXAI’s eigene Tabelle zeigt keinen eindeutigen Gewinner.

Unabhängige Benchmark-Ergebnisse

Artificial Analysis hat seinen eigenen Intelligence Index über sechs Modelle in diesem Vergleich gefahren. Die Ergebnisse liegen nahe an den Zahlen von SpaceXAI, sind aber nicht identisch.

Grok 4.6 im Vergleich zu fünf Frontier-Rivalen. Bild: Autor.

Das Diagramm setzt Grok bei der Intelligenz mit Sol gleich, aber deutlich niedriger beim Mischpreis. Artificial Analysis berechnet diesen Preis mit einem 7:2:1-Mix aus gecachtem Input, ungecachtem Input und Output. Die Kosten pro abgeschlossener Indextask zeigen die gleiche Lücke: $0,84 für Grok, $1,23 für Sol und $2,34 für Opus 5.

Die Zeit bis zum ersten Antwort-Token stieg von 14,62 Sekunden bei Grok 4.5 auf 40,44 Sekunden, während die Kosten pro Aufgabe von $0,36 auf $0,84 zunahmen. Grok 4.6 verbrauchte in denselben Tests etwa 20% mehr Output-Tokens, daher bedeutet ein unveränderter Listenpreis nicht unveränderte Aufgabenkosten. Kosten pro fertiger Aufgabe bieten einen besseren Blick als reine API-Preiskarten, weil sie einen Teil des zusätzlichen Reasonings einbeziehen.

Im Vergleich zu GPT-5.6 Sol und Claude Sonnet 5 sendet Grok 4.6 sein erstes Antwort-Token früher. Sol mit maximalem Effort benötigt 213,52 Sekunden, Sonnet 5 184,48 Sekunden, gegenüber Groks 40,44. Langsam wirkt Grok nur im Vergleich zu latenzarmen Modellen wie Gemini 3.7 Flash.

Wie belastbar sind diese Benchmark-Vergleiche?

Sie helfen, relative Stärken zu erkennen, taugen aber nicht als verlässliches Ranking über Modelle hinweg. Der Reasoning-Effort ändert Score und Antwortzeit: GPT-5.6 Sol erzielte 57 bei High und 61 bei Max. Auch Benchmark-Namen können verschiedene Versionen meinen, sodass xAI’s Terminal-Bench 3.0 und Artificial Analysis’ Terminal-Bench 2.1 nicht vergleichbar sind.

Was hat sich gegenüber Grok 4.5 geändert?

Für Nutzer von Grok 4.5 geht es nicht um „besser“ im Abstrakten. Es geht darum, ob der höhere Score eine andere Latenz- und Token-Nutzungs-Charakteristik ausgleicht. Die Tabelle stellt diese Änderungen auf dieselbe Baseline.

Allerdings beschreibt „gleicher Preis“ nur den Basis-Listenpreis. Eine weitere Änderung ist für bestehende Grok 4.5-Nutzer wichtig: Gecachter Input stieg um 67% von $0,30 auf $0,50 pro Million Tokens. Dieser höhere Cache-Satz vergrößert die Lücke zwischen Preiskarte und Kosten einer fertiggestellten Aufgabe.

Grok 4.6 vs. die Konkurrenz

Nachdem wir den Vergleich mit dem Vorgänger geklärt haben, sehen wir uns an, wie Grok 4.6 gegen andere State-of-the-Art-Modelle von OpenAI und Anthropic abschneidet.

Grok 4.6 vs. GPT-5.6 Sol

Das Index-Remis verdeckt eine deutliche Trennung. Sol liegt bei DeepSWE um 7,1 Punkte und bei Terminal-Bench um 8,6 Punkte vor Grok – terminallastiges Coding ist damit sein stärkster Use Case. Grok erzielt in den anderen drei Aufgabenzeilen höhere Werte.

OpenAI’s eigene Tests erweitern dieses Terminal-Ergebnis auf Web-Browsing und Computer-Nutzung. Es bleibt anbietergewählte Evidenz statt eines kontrollierten Vergleichs, zeigt aber in die gleiche Richtung: Sols stärkster Fall ist Arbeit, die von Terminal, Browser oder wiederholten Toolaufrufen abhängt.

OpenAI hat außerdem einen Ultrafast-Modus für Sol vorab gezeigt, der bis zu 14-mal schneller laufen soll. Es gibt noch keinen veröffentlichten Preis, daher gehört er nicht in den Kostenvergleich.

Grok 4.6 startet bei $2 für Input und $6 für Output pro Million Tokens. Sols Standardtarif liegt bei $5 für Input und $30 für Output, also beim Output fünffach über Grok. Oberhalb von 272.000 Tokens verdoppelt Sol den Input-Preis und erhöht den Output-Preis auf $45.

Das macht nicht jede Grok-Aufgabe fünfmal günstiger. Reasoning-Token-Einsatz, Cache-Treffer und die Anzahl der Turns beeinflussen weiterhin die Endrechnung. Groks Preisvorteil ist am klarsten, wenn der Token-Einsatz berechenbar ist. Bei terminallastiger Arbeit könnten Sols höhere Benchmark-Scores stärker wiegen als die Listenpreis-Lücke.

Grok 4.6 vs. Claude Sonnet 5

Sonnet 5 und Grok 4.6 starten beide bei $2 pro Million Input-Tokens, was den Preisvergleich einfach macht. Sonnet 5 hat standardmäßig ein Kontextfenster von 1 Million Tokens, doppelt so groß wie Groks 500.000, ohne höheren Tarif für lange Prompts. Output kostet $10 pro Million gegenüber $6 bei Grok.

Zwei Tage vor dem Grok-4.6-Launch machte Anthropic die $2/$10-Preise dauerhaft und strich eine geplante Erhöhung auf $3/$15. Das ist relevant, wenn du mit älteren Preislisten vergleichst, auch unseren älteren.

Im Artificial Analysis Index erzielt Sonnet 5 bei maximalem Effort 55 Punkte, sechs weniger als Grok 4.6. Für die Tests verbrauchte es 300 Millionen Output-Tokens gegenüber 72 Millionen bei Grok, was die Kosten pro Aufgabe auf $1,72 hebt. Sein Tokenizer erzeugt rund 30% mehr Tokens als Sonnet 4.6 für denselben Text. Das erschwert den Preisvergleich zwischen diesen Sonnet-Versionen. Sonnet 5 ist zudem nicht das Spitzenmodell von Anthropic.

Grok 4.6 vs. Claude Opus 5 und Fable 5

Opus 5 kostet $5 für Input und $25 für Output und führt den Index mit 63 an. Fable 5 liegt bei $10 für Input und $50 für Output und erzielt 62. Der Fable-Score braucht eine Einordnung: Artificial Analysis verzeichnete Sicherheits-Fallbacks bei einigen härteren Prompts, der Score spiegelt also das Modell wider, wie Nutzer es verwenden können – nicht eine unbeschränkte Variante, die Anthropic nicht anbietet.

Im AA-Briefcase-Benchmark von Artificial Analysis für lange Agentenaufgaben benötigte Grok 4.6 etwa 53 Turns und 0,5 Milliarden Input-Tokens. Opus 5 brauchte rund 103 Turns und 2 Milliarden Tokens. Das zeigt nicht, dass Grok insgesamt stärker ist. Es zeigt, dass Grok in diesem Testset mit weniger Schritten und weniger Input-Tokens auskam, während Claude in den anderen oben behandelten Tests führte.

Grok 4.6 Preise

Die 200.000-Token-Schwelle für Prompts ist der Punkt, den ich im Blick behalten würde: Sie verschiebt alle Tokens der Anfrage in die höhere Stufe. Die Tabelle enthält außerdem Prioritäts- und Toolgebühren.

Tool-Gebühren sind getrennt von Token-Gebühren. Eine Anfrage, die erst das Web durchsucht und dann Code ausführt, kann beide Toolgebühren anfallen lassen, bevor der finale Text berechnet wird. Es gibt kein separates grok-4.6-fast Modell. Die direkte API bietet eine Prioritätsoption, die zum 2×-Satz abgerechnet wird, wenn die Antwort die Priorität bestätigt. In Cursor gibt es eine separate Auswahl „Grok 4.6 (Fast)“ zum gleichen 2×-Satz.

Grok 4.6 Fast in Cursor ausgewählt. Bild: Autor.

Wie bekomme ich Zugriff auf Grok 4.6?

Grok 4.6 ist direkt verfügbar über: 

• die SpaceXAI API
• Cursor
• Grok Build
• Drittanbieter-Gateways (OpenRouter, Vercel, Cloudflare, Google Cloud Vertex AI)
• Weitere Coding-Tools (GitHub Copilot, VS Code, JetBrains, Xcode und Eclipse)

Der Rollout umfasst Pro-, Pro+-, Max-, Business- und Enterprise-Pläne. Admins in Business und Enterprise müssen das Modell aktivieren, da es standardmäßig deaktiviert ist. Grok 4.6 wird von SpaceXAI’s Batch API nicht unterstützt, es gibt also keine vergünstigte Batch-Option.

Ein Enterprise-Detail liegt außerhalb der Modellverfügbarkeit. Antworten sind standardmäßig zustandsbehaftet, und SpaceXAI speichert die Historie 30 Tage lang. Unter Zero Data Retention können Teams keine gespeicherten Antwortketten oder verzögerten Completions nutzen; xAI verweist stattdessen auf verschlüsseltes Reasoning Replay und WebSocket Responses. Jede Antwort enthält einen Header, der anzeigt, ob ZDR aktiv war.

Die Launch-Woche von Grok 4.6: Modelle, Copilot und Cursor

Auffällig war für mich, wie schnell sich Modell-Launches und Vertriebsdeals in der Woche um Grok 4.6 gebündelt haben.

Die Launch-Woche von Grok 4.6 – über Benchmarks hinaus. Bild: Autor.

Grok Bot setzte vor dem Modell-Launch den Ton. Der Early-Beta-Cloud-Agent wurde mit SuperGrok Heavy für $300 im Monat oder Cursor Ultra für $200 im Monat gebündelt statt einzeln verkauft – der Zugang wurde an Premiumpläne geknüpft. Grok 4.6 trug den gleichen Agentenfokus anschließend in die API, nach Cursor und in Grok Build.

Googles Gemini 3.7 Flash und OpenAI’s Vorabversion von GPT-5.6 Sol Ultrafast machten die Woche dichter. Gleichzeitig weiteten der Copilot-Rollout und Cursors Beitritt zu SpaceX Groks Verteilung aus. Cursor führte den Schritt auf die SpaceXAI-Partnerschaft früher im Jahr zurück und rahmte ihn um Zugang zu SpaceX’ GPUs statt um Model-Scores. Der Beitrag sagt, dieser Zugang helfe, Modelle zu geringeren Kosten zu bauen.

Mein Fazit dieser Woche: SpaceXAI will Grok in die Tools bringen, die Menschen bereits nutzen. Grok 4.5 wurde gemeinsam mit Cursor trainiert, und Grok 4.6 landete fast sofort in Copilot. Partner-Distribution ist damit Teil des Releases, nicht ein Nachgedanke.

Wann solltest du Grok 4.6 nutzen?

Grok 4.6 passt zu Arbeiten, bei denen API-Preis und lange Agentenaufgaben wichtiger sind als die Latenz bis zum ersten Token. Weniger geeignet ist es, wenn Sols höhere Terminal-Scores oder Sonnet 5’s größeres Kontextfenster besser zum Task passen.

Grok 4.6 passt, wenn:

• Der API-Preis die wichtigste Einschränkung ist. Es unterbietet Sol, Opus 5 und Fable 5 beim Listenpreis und bei den Kosten pro Aufgabe
• Arbeit als lange, mehrstufige Agentenaufgaben läuft, bei denen sich die Turn-Effizienz (weniger Turns und Input-Tokens als Opus 5 auf AA-Briefcase) auszahlt
• Die Aufgabe Wissensarbeit oder juristisches Reasoning ist, wo es die Benchmark-Tabelle anführt
• Die First-Token-Latenz egal ist. Ein langsamer Start fällt bei langen Läufen kaum ins Gewicht, prägt aber die Interaktion im Chat

Es könnte bessere Alternativen geben, wenn:

• Die Arbeit terminallastiges Coding ist → GPT-5.6 Sol (höhere DeepSWE- und Terminal-Bench-Scores)
• Die Aufgabe ein großes Kontextfenster braucht → Claude Sonnet 5 (1M Kontext, kein Aufpreis für lange Prompts)
• Du die niedrigste Latenz für interaktive Nutzung willst → Gemini 3.7 Flash
• Du rein nach Spitzenintelligenz einkaufst → Opus 5 (63) oder Fable 5 (62) führen den Index an

Fazit zu Grok 4.6

Grok 4.6 landet in einer unbequemen Mitte. Es legt fünf Indexpunkte zu und bleibt bei den Listenpreisen unter Sol und Opus 5, startet aber langsamer und kostet pro gemessener Aufgabe mehr als Grok 4.5. „Gleicher Preis, besseres Modell“ greift nur die halbe Wahrheit.

Worauf ich noch warte, ist ein mehrstündiger Lauf, bei dem Codebasis, Tools und Anweisungen sich laufend ändern. Cursor und GitHub Copilot liefern dieses Setting jetzt. Bleiben Korrektur- und Fehlerraten dort niedrig, hat die Agenten-Trainingsbehauptung über einen festgelegten Test hinaus Substanz; wenn nicht, bleibt der Fünf-Punkte-Zuwachs genau das.

Für Leser, die gegen die xAI API bauen, deckt unser Grok 4 API-Tutorial den Python-Client und den Request-Flow ab.