Grok 4.5 Test: Stark beim Preis, nicht beim Coding
Der Grok 4.5 Test klärt, wann sich das $2/$6-Modell für Coding-Agenten lohnt, wo Benchmarks schwächer sind und welche Kosten ab 200K drohen.
Der Grok 4.5 Test zeigt ein Modell, das pro Million Eingabe-Token $2 und pro Million Ausgabe-Token $6 kostet, beim Coding aber nicht die neue Spitze setzt. Interessant ist es dort, wo Agentenkosten und Token-Effizienz mehr zählen als jeder Benchmark-Sieg – solange die Prompts unter der 200K-Preisschwelle bleiben.
Grok 4.5 Test: das Urteil auf einen Blick
Grok 4.5 besetzt den attraktiven Mittelweg zwischen dem günstigsten Coding-Modell und dem Benchmark-Spitzenreiter. Es kostet mehr als das Cursor-Modell Composer 2.5 und liegt in den meisten Werten der eigenen Engineering-Grafik von SpaceXAI hinter Claude Fable 5. Für lang laufende Agenten bleibt es dennoch überzeugend: In Cursor kostet die Ausgabe $6 statt der $50 von Fable.
Am klarsten lässt sich das Modell anhand der aktuellen Abrechnung in Cursor einordnen, denn dort laufen hauseigene Modelle und Frontier-Alternativen über denselben Zähler. Alle folgenden Preise gelten pro Million Token.
Bei einem monatlichen Volumen von 10 Millionen neuen Eingabe-Token und 2 Millionen Ausgabe-Token ergibt sich eine einfache Rechnung: $32 für Grok 4.5, $10 für Composer 2.5, $200 für Claude Fable 5 und $110 für GPT-5.6 Sol. Bei Drittanbietermodellen berechnet Cursor in den Tarifen Teams und Enterprise außerdem $0.25 pro Million Token; die hauseigenen Modelle Grok und Composer sind davon ausgenommen.
Gerade in Cursor wird die Position von Grok 4.5 damit deutlich: weder das günstigste Modell noch der Spitzenreiter, sondern das Druckventil zwischen beiden Extremen.
Damit steht das Urteil. Für die weitere Entscheidung muss nur noch geklärt werden, ob der eigene Workload auf der richtigen Seite dieser Abwägung liegt.
Was Grok 4.5 ist und wo es verfügbar ist
Grok 4.5 ist ein Reasoning-Modell für Coding, agentische Aufgaben und Wissensarbeit – nicht bloß ein neues Chat-Preset. Cursor und SpaceXAI beschreiben es als gemeinsam trainiertes Mixture-of-Experts-Modell. Bei jedem Token wird also eine ausgewählte Gruppe spezialisierter Modellkomponenten aktiviert, statt für jeden Schritt das gesamte Netzwerk einzusetzen.
Die Einführung verlief in zwei Etappen. Cursor veröffentlichte Grok 4.5 am 8. Juli, SpaceXAI folgte am 16. Juli mit der vollständigen Markteinführung. Laut Cursor umfasste der Trainingsmix Billionen Token aus Interaktionen mit Entwickleragenten sowie STEM-Aufgaben, Forschungsarbeiten und breitere Wissensarbeit.
Die aktuelle Modell-ID lautet grok-4.5. Das Modell verarbeitet Text und Bilder, gibt Text aus, bietet ein Kontextfenster von 500,000 Token und unterstützt einen niedrigen, mittleren oder hohen Reasoning-Aufwand; standardmäßig ist „hoch“ eingestellt. Zu den nativen Tools gehören Function Calling, Websuche, X-Suche und Codeausführung über die Responses API oder Chat Completions.
Für ein neues Modell ist die Verfügbarkeit ungewöhnlich breit. Grok 4.5 lässt sich über die SpaceXAI API nutzen, ist das Standardmodell in Grok Build, läuft in Cursor in allen Tarifen, treibt Add-ins für Word, PowerPoint und Excel an und wird über OpenRouter, Vercel, Cloudflare, Snowflake und Databricks Mosaic angeboten. Innerhalb von Cursor deckt es Desktop, Web, iOS, CLI und das SDK ab.
Diese Reichweite senkt die Hürde für den Einstieg. Trotzdem müssen Modell und umgebendes Produkt sauber getrennt betrachtet werden. Für Grok 4.5 gelten über die direkte API andere Cache-Preise als in Cursor, während Grok Build eine Agentenschleife auf das Modell setzt. Die frühere Kostenrechnung zu Grok Build wurde von einer pauschalen Abo-Hürde bestimmt. Grok 4.5 verschiebt die Diskussion, weil es für Modell und Agent nun klarer messbare Nutzungswege gibt.
Die Benchmarks sprechen für Preis-Leistung, nicht für die Führung
Von den fünf bei SpaceXAI gezeigten Engineering-Benchmarks gewinnt Grok 4.5 einen, liegt bei einem weiteren fast gleichauf mit der Spitze und bleibt in den übrigen drei hinter Claude Fable 5. Wer es zum neuen Coding-Champion erklärt, muss die Zahlen des Anbieters selbst ausblenden.
Laut der Einführungsgrafik von SpaceXAI stammen die Werte der Konkurrenz aus System Cards der Anbieter oder aus Benchmark-Bestenlisten. Die Tabelle liefert damit eine Richtung, ersetzt aber keine Bewertung mit dem eigenen Workload. Ausführungsumgebung, Reasoning-Einstellung, Wiederholungsversuche und Token-Budget können einen Coding-Wert so stark verschieben, dass sich die Kaufentscheidung ändert.
Die Abstände sind eindeutig. Bei DeepSWE 1.0 liegt Grok 4.1 Punkte hinter Fable 5, bei DeepSWE 1.1 sind es 17 Punkte, bei Terminal Bench 2.1 ist es 1 Punkt und bei SWE Bench Pro sind es 15.7 Punkte. Den klaren Sieg erzielt Grok im SWE Marathon: 29.0% schlagen Opus 4.8 mit 26.0% und Fable 5 mit 24.0%.
Überzeugender ist das Effizienzargument. SpaceXAI nennt für SWE Bench Pro durchschnittlich 15,954 Grok-Ausgabe-Token pro Aufgabe, gegenüber 67,020 bei Opus 4.8 max – also etwa 4.2-mal weniger. Die Daten stammen vom Anbieter, lenken den Blick aber auf die richtige wirtschaftliche Einheit: eine abgeschlossene Aufgabe und nicht den Listenpreis eines einzelnen Tokens.
Unabhängige Messungen erden das Urteil. Artificial Analysis bewertet Grok 4.5 mit hohen 54 Punkten, GPT-5.5 xhigh erreicht 55. Beim kombinierten Preis aus Cache, Eingabe und Ausgabe im Verhältnis 7:2:1 liegt Grok bei $1.35 pro Million Token, GPT-5.5 dagegen bei $4.35. Derselbe Live-Vergleich maß für Grok etwa 70 Ausgabe-Token pro Sekunde und für GPT-5.5 etwa 76.
SpaceXAI wirbt mit 80 Ausgabe-Token pro Sekunde. Im unabhängigen Test waren es ungefähr 70. Diese Differenz ist kein Versagen, erinnert aber daran, dass die tatsächliche Geschwindigkeit schwankt und der Durchsatz zum Marktstart keine Servicegarantie darstellt.
Das Benchmark-Urteil fällt deutlich aus: Grok 4.5 liegt nah genug an der Frontier-Leistung, um wirtschaftlich interessant zu sein, ist aber nicht stark genug, um eine Qualitätskontrolle durch eine Preistabelle zu ersetzen.
Was Grok 4.5 wirklich kostet
Der beworbene Preis von $2/$6 für Grok 4.5 gilt nur unterhalb von 200,000 Kontext-Token. Sobald diese Schwelle erreicht ist, verdoppelt SpaceXAI die Tarife für neue Eingaben, zwischengespeicherte Eingaben und Ausgaben für die gesamte Anfrage.
Diese Unterscheidung ist entscheidend: Ein Kontextfenster mit 500,000 Token beschreibt die Kapazität, nicht eine günstige Kapazität. Eine Anfrage mit 250K Eingabe-Token und 50K Ausgabe-Token kostet zum Langkontexttarif $1.60. Mit dem Kurzkontexttarif würden dieselben Token-Mengen $0.80 kosten. Noch bevor Websuchen, Codeausführung oder Wiederholungsversuche berücksichtigt sind, verdoppelt die Schwelle damit die Token-Rechnung.
Caching kann die Kosten in die andere Richtung bewegen. Ein Workload mit 10 Millionen neuen Eingabe-Token und 2 Millionen Ausgabe-Token kostet $32. Kommt die Hälfte der Eingabe aus dem Cache der direkten API, sinkt die Rechnung auf $23.50. Die Ersparnis beträgt $8.50 oder rund 26.6%.
Diese Ersparnis entsteht nicht automatisch. SpaceXAI empfiehlt, in der Responses API prompt_cache_key zu setzen oder bei Chat Completions x-grok-conv-id zu verwenden, damit eine Unterhaltung an denselben Server geleitet wird. Ohne diese Angaben kann ein Server mit kaltem Cache vermeintliche Cache-Treffer wieder in Eingaben zum vollen Preis verwandeln.
Tool-Nutzung bringt einen zweiten Zähler ins Spiel. Websuche, X-Suche und Codeausführung kosten jeweils $5 pro 1,000 Aufrufe. Führt ein Lauf 25 solcher Aufrufe aus, kommen $0.125 hinzu – noch vor den Modell-Token, die hinter diesen Aufrufen anfallen. Die Suche in Anhängen kostet $10 pro 1,000 Aufrufe, die Suche in Collections $2.50 pro 1,000.
Was im Produktiveinsatz schiefgeht
Das erste Problem im Betrieb ist eine stille Preisänderung, nicht mangelnde Modellintelligenz. Ein Prompt in Repository-Größe wächst über 200K hinaus, jedes Token der Anfrage rutscht in den Langkontexttarif und eine Kalkulation auf Basis des beworbenen Preises von $2/$6 ist sofort falsch.
Das zweite Problem ist übertriebener Cache-Optimismus. Wiederholte Agentenschritte wirken zwar Cache-freundlich, erreichen den direkten Tarif von $0.30 für zwischengespeicherte Eingaben aber nur, wenn die Weiterleitung das frühere Präfix wiederverwendbar macht. Die ausdrückliche Empfehlung von SpaceXAI für einen Cache-Schlüssel gehört deshalb bereits ab der ersten Anfrage in das Abrechnungskonzept.
Das dritte Problem ist ein immer weiter wachsender Kontext. Lang laufende Agenten lesen wiederholt Pläne, Tool-Ausgaben, Diffs, Tests und frühere Erklärungen. Das Kontextfenster von 500,000 Token verschiebt den Ausfall nach hinten, macht es aber nicht sinnvoll, jede alte Interaktion mitzuschleppen. SpaceXAI empfiehlt für lange Schleifen eine Kontextkomprimierung: Veraltete Details werden durch einen kleineren Arbeitsstand ersetzt, bevor der Agent die Preisschwelle erreicht oder in seiner eigenen Historie den Fokus verliert.
Das vierte Problem entsteht, wenn Anbieter-Benchmarks als Freigabekriterium dienen. Die gezeigten Ergebnisse von Grok 4.5 reichen vom ersten Platz im SWE Marathon bis zu 17 Punkten Rückstand auf Fable 5 bei DeepSWE 1.1. Die Qualität im Produktivbetrieb hängt vom eigenen Repository, der Ausführungsumgebung, der Testabdeckung, den Tool-Berechtigungen und der Definition von Erfolg ab.
Das fünfte Problem ist die regionale Verfügbarkeit. Auf der aktuellen Grok-4.5-Seite von Cursor steht, dass das Modell über Cursor noch nicht in der Europäischen Union verfügbar ist. Das ist eine Einschränkung von Cursor und kein Beleg dafür, dass jeder Zugangsweg über SpaceXAI blockiert wäre. Dennoch reicht sie aus, um die geplante Cursor-Migration eines EU-Teams derzeit zu stoppen.
Für wen sich Grok 4.5 eignet – und wer darauf verzichten sollte
Grok 4.5 eignet sich für kostenbewusste Agentenschleifen, die unter 200K bleiben und ihre eigene Arbeit prüfen können. Es ist nicht die richtige Wahl, wenn die höchste gezeigte Erfolgsquote beim Coding den Aufpreis wert ist, Composer 2.5 bereits ausreicht oder die Cursor-Nutzer in der EU sitzen.
- Mit $2 für die Eingabe und $6 für die Ausgabe wird Agentenarbeit nahe am Frontier-Niveau spürbar günstiger als mit Fable 5 oder GPT-5.6 Sol in Cursor.
- Ein Kontextfenster von 500,000 Token bietet Platz für umfangreiche Repositories und lange Aufgabenverläufe.
- Function Calling, Websuche, X-Suche, Codeausführung, strukturierte Ausgabe und zwei etablierte API-Oberflächen verringern den Integrationsaufwand.
- Die Anbieterdaten zeigen einen echten Sieg im SWE Marathon und einen deutlich niedrigeren Verbrauch an Ausgabe-Token als Opus 4.8 max bei SWE Bench Pro.
- In der eigenen Grafik von SpaceXAI führt Grok 4.5 vier der fünf Engineering-Benchmarks nicht an.
- Sobald eine Anfrage 200K Kontext erreicht, verdoppeln sich sämtliche Tarife der direkten API.
- Verlässliche Cache-Einsparungen setzen eine gezielte Routing-Strategie voraus.
- Die unabhängig gemessene Geschwindigkeit liegt unter der Anbieterangabe von 80 Token pro Sekunde, zudem hat Cursor bei einem ausgeschlossenen Benchmark eine Verunreinigung der Trainingsdaten offengelegt.
Ein belastbarer Evaluierungsplan
Ein sinnvoller Einführungstest vergleicht abgeschlossene Arbeit bei einem einheitlichen Qualitätsmaßstab – keine isolierten Prompts. Aufgabensatz, Agenten-Runner, Tool-Berechtigungen und Abnahmekriterien müssen für alle Modelle identisch bleiben.
Einen repräsentativen Aufgabensatz festschreiben
Geeignet sind reale Aufgaben aus dem vorgesehenen Einsatz: eine Fehlerbehebung samt Tests, eine Repository-weite Änderung, eine Recherche mit Tool-Einsatz und – falls relevant – ein Dokument oder eine Tabellenkalkulation als Ergebnis. Erfolg und Misserfolg werden definiert, bevor ein Modell die Aufgaben sieht.
Reasoning und Kontext kontrollieren
Für jeden Grok-Lauf wird dieselbe Reasoning-Einstellung verwendet und die genaue Prompt-Größe protokolliert. Aufgaben unter 200K müssen getrennt von Langkontextaufgaben betrachtet werden. Kein Modell darf zusätzliche Dateien oder ein anderes Tool-Budget erhalten.
Caching messbar machen
Für wiederholte Unterhaltungen wird
prompt_cache_keyoderx-grok-conv-idgesetzt. Neue und zwischengespeicherte Eingaben werden separat erfasst, damit der Kostenvergleich eine reproduzierbare Rechnung abbildet.Nach der Wirtschaftlichkeit abgeschlossener Aufgaben entscheiden
Erfasst werden Erfolgsquote, menschliche Korrekturen, Wiederholungsversuche, sämtliche Token, Tool-Aufrufe und Laufzeit. Grok wird nur eingeführt, wenn die Kosten pro akzeptiertem Ergebnis unter denen des bisherigen Modells liegen, ohne die Freigabeschwelle zu senken.
Für einen finanzierten Gründer kann diese Schwelle die Review-Zeit der Entwickler sein. Für einen CTO im Mittelstand können es entkommene Fehler und Prüfbarkeit sein. Für eine erfahrene Führungskraft kann entscheidend sein, ob ein Excel- oder Rechercheergebnis einer Faktenprüfung standhält. Wer allein technisch baut, muss meist klären, ob der niedrigere Tarif mehr erledigte Arbeit ermöglicht, ohne dass die Kontrolle des Agenten zum zweiten Beruf wird.
Häufig gestellte Fragen
Ist Grok 4.5 gut?
Ja, wenn starke agentische Fähigkeiten zu niedrigeren Token-Kosten gefragt sind. Für maximale Coding-Genauigkeit ist es nicht die sicherste Standardwahl: Fable 5 führt in vier der fünf von SpaceXAI gezeigten Engineering-Benchmarks, während Grok vor allem bei kosteneffizienter Arbeit über lange Zeithorizonte überzeugt.
Wie viel kostet Grok 4.5?
Unterhalb von 200K Kontext kostet die direkte SpaceXAI API $2 pro Million neue Eingabe-Token, $0.30 pro Million zwischengespeicherte Eingabe-Token und $6 pro Million Ausgabe-Token. Ab 200K gelten für die gesamte Anfrage $4, $0.60 und $12. Cursor führt im hauseigenen Pool $2 für die Eingabe, $0.50 für Cache-Lesezugriffe und $6 für die Ausgabe auf.
Wo kann Grok 4.5 genutzt werden?
SpaceXAI dokumentiert den Zugang über die eigene API, Grok Build, Cursor, Word, PowerPoint, Excel, OpenRouter, Vercel, Cloudflare, Snowflake und Databricks Mosaic. Cursor unterstützt das Modell auf Desktop, Web, iOS, CLI und im SDK, führt es derzeit aber als in der Europäischen Union nicht verfügbar.
Interesse an der Checkliste für die Einrichtung von Claude Code + Codex? Zum Newsletter.
3. Sept. 2026
Diese Seite in Google bevorzugen
Markieren Sie omidsaffari.com als bevorzugte Quelle, und Google hebt die Seite für Sie in Top Stories, AI Overviews und AI Mode hervor.
