Grok 4.5 ist da: Das neue Modell von xAI beziehungsweise SpaceXAI zielt nicht auf Chatbot-Alltag, sondern auf Coding-Agenten, Softwareentwicklung und technische Wissensarbeit. Laut offizieller Ankündigung wurde Grok 4.5 gemeinsam mit Cursor trainiert und soll bei realen Engineering-Aufgaben nicht nur stark, sondern auch schnell und kosteneffizient sein.
Der wichtigste Punkt ist deshalb nicht nur ein einzelner Benchmark-Wert. Grok 4.5 wird als Arbeitsmodell für Agenten positioniert: Es soll Code schreiben, Projekte umbauen, Terminal-Aufgaben lösen, Office-Dokumente erstellen und lange technische Workflows mit weniger Tokenverbrauch bearbeiten. Genau dort entsteht der Unterschied zu vielen bisherigen Modell-Releases.
Kurz gesagt: Grok 4.5 ist laut Hersteller kein klarer Sieger in allen Coding-Benchmarks. Aber es ist auffällig stark in mehreren praxisnahen Tests, deutlich günstiger als viele Frontier-Modelle und laut Hersteller bei bestimmten Aufgaben wesentlich token-effizienter. Für Entwickler, Builder und Agenten-Workflows könnte das wichtiger sein als ein reiner Platz-1-Claim.
Was ist Grok 4.5?
Grok 4.5 ist das neue Coding- und Agentenmodell von xAI beziehungsweise SpaceXAI. Die offizielle Produktseite beschreibt es als „smartest model“ für Coding, agentische Aufgaben und Knowledge Work. Trainiert wurde es laut Anbieter auf Daten aus Coding, Wissenschaft, Engineering und Mathematik.
Besonders relevant ist die Positionierung: Grok 4.5 soll nicht einfach ein allgemeiner Chatbot sein, sondern ein Modell für reale Software-Engineering-Aufgaben. Dazu gehören Bugfixes, Repository-Arbeit, UI-Prototyping, Terminal-Workflows, Agentenläufe und technische Dokumente.
Laut offizieller Ankündigung wurde Grok 4.5 gemeinsam mit Cursor trainiert. Das ist für den Markt wichtig, weil Cursor einer der wichtigsten Orte ist, an denen Coding-Modelle nicht nur in Benchmarks, sondern in realen Entwickler-Workflows getestet werden. Ein Modell, das direkt für solche Umgebungen optimiert wird, muss andere Anforderungen erfüllen als ein reines Chatmodell: Latenz, Kosten, Tool-Nutzung, Genauigkeit über längere Arbeitsschritte und ein kontrollierbarer Tokenverbrauch zählen stärker.
Die wichtigsten Benchmark-Ergebnisse im Überblick
Die Zahlen stammen aus der offiziellen Grok-4.5-Ankündigung. Sie sind Herstellerangaben beziehungsweise Benchmark-Angaben aus den jeweiligen veröffentlichten System Cards oder Leaderboards und nicht als unabhängig verifizierter Test von KI Tools Update zu verstehen.
Die Grafik zeigt das wichtigere Bild besser als eine breite Tabelle: Grok 4.5 ist nicht überall vorne, aber es liegt auf mehreren praxisnahen Coding-Agent-Benchmarks nah an der Spitzengruppe.
- Terminal Bench 2.1: Grok 4.5 erreicht laut xAI 83,3 Prozent und liegt damit praktisch auf Höhe von GPT 5.5 xhigh mit 83,4 Prozent.
- SWE Bench Pro: Grok 4.5 kommt auf 64,7 Prozent. Fable und Opus 4.8 max liegen laut Quelle darüber.
- SWE Marathon: Hier führt Grok 4.5 laut xAI mit 29,0 Prozent vor Opus 4.8 max und Fable.
- DeepSWE: In DeepSWE 1.1 liegt Grok 4.5 klar hinter Fable und GPT 5.5 xhigh. Das relativiert jede pauschale Sieger-Erzählung.
Die Einordnung ist deshalb differenziert: Grok 4.5 wirkt weniger wie ein Modell, das mit einem einzigen Spitzenwert vermarktet wird, sondern eher wie ein praktischer Kandidat für Agentenketten: schnell, relativ günstig, stark genug für viele Aufgaben und bei längeren Workflows möglicherweise effizienter.
Warum Terminal Bench und SWE Bench Pro wichtig sind
Coding-Modelle werden häufig mit klassischen Programmieraufgaben bewertet. Das reicht aber nicht mehr aus. Moderne Agenten müssen nicht nur eine Funktion schreiben, sondern mit Projekten interagieren, Terminal-Kommandos verstehen, Fehlerketten verfolgen, Dateien ändern, Tests interpretieren und mehrstufige Aufgaben sauber abschließen.
Terminal Bench ist deshalb interessant, weil er näher an echten Entwicklungsumgebungen liegt. Ein Modell, das dort 83,3 Prozent erreicht und damit fast auf GPT-5.5-Niveau liegt, ist für Agenten-Setups relevant. Gerade bei Tools, die im Terminal oder in IDE-Agenten arbeiten, zählt nicht nur die Antwortqualität, sondern auch die Fähigkeit, Arbeitsschritte effizient und nachvollziehbar auszuführen.
SWE Bench Pro ist wiederum deshalb wichtig, weil dort Softwareprobleme realistischer und komplexer werden. Grok 4.5 liegt laut Quelle bei 64,7 Prozent. Das ist stärker als der angegebene GPT-5.5-Wert von 58,6 Prozent, aber schwächer als Fable und Opus 4.8. Wer nur das beste Modell für die schwierigsten Repository-Fixes sucht, wird also weiter auf die stärksten Spitzenmodelle schauen. Wer ein gutes Preis-Leistungs-Modell für breite Agentenarbeit sucht, muss Grok 4.5 trotzdem ernst nehmen.
Der eigentliche Hebel: Token-Effizienz
Der auffälligste Teil der Ankündigung ist nicht der höchste Benchmarkwert, sondern die Effizienzangabe. Laut Anbieter löst Grok 4.5 SWE-Bench-Pro-Aufgaben im Schnitt mit 15.954 Output-Token. Opus 4.8 max wird mit 67.020 Output-Token angegeben. Das entspricht laut Quelle rund 4,2-mal weniger Output-Token.
Das ist für reale Nutzung sehr relevant. Bei Coding-Agenten entstehen Kosten nicht nur durch einzelne Prompts, sondern durch lange Schleifen: Planen, Dateien lesen, Änderungen schreiben, Tests ausführen, Fehler korrigieren, erneut prüfen. Wenn ein Modell in solchen Workflows deutlich weniger Token ausgibt, sinken nicht nur die direkten Kosten. Es kann auch schneller reagieren, weniger Kontext aufblähen und Agentenläufe kontrollierbarer machen.
Grok 4.5 wird laut Hersteller außerdem mit 80 Tokens pro Sekunde ausgeliefert. Geschwindigkeit allein macht kein gutes Modell. Aber in Kombination mit niedrigerem Output-Volumen und einem Preis von 2 US-Dollar pro Million Input-Token sowie 6 US-Dollar pro Million Output-Token entsteht ein starkes Argument für produktive Workflows.
Preis: Warum Grok 4.5 für Agenten interessant wird
Die offiziellen Preise liegen bei 2 US-Dollar pro Million Input-Token und 6 US-Dollar pro Million Output-Token. Für einzelne Chatfragen ist das nur eine Zahl. Für Agentenarbeit ist es strategisch wichtig.
Ein typischer Coding-Agent erzeugt viele Zwischenschritte. Er liest Dateien, fasst sie zusammen, plant Änderungen, schreibt Patches, interpretiert Testausgaben und korrigiert Folgefehler. Bei teuren Frontier-Modellen kann ein einziger längerer Lauf schnell spürbar werden. Wenn Grok 4.5 in vielen Fällen ausreichend gute Ergebnisse liefert und gleichzeitig weniger Output-Token erzeugt, kann es als Standardmodell für Routine- und Mittelklasse-Aufgaben dienen.
Das bedeutet nicht, dass Grok 4.5 automatisch das beste Modell für jede Aufgabe ist. Für besonders schwierige Architekturentscheidungen, komplexe Refactorings oder sicherheitskritische Änderungen kann ein stärkeres Spitzenmodell weiterhin sinnvoll sein. Aber als „Workhorse“ für Agentenketten ist Grok 4.5 genau dort positioniert, wo Kosten, Latenz und ausreichende Qualität zusammenkommen.
Verfügbarkeit: Noch nicht in der EU
Laut offizieller Seite ist Grok 4.5 in Grok Build, in Cursor auf allen Plänen und über die SpaceXAI-Konsole verfügbar. Gleichzeitig steht dort ein wichtiger Hinweis: Grok 4.5 ist noch nicht in der EU in SpaceXAI-Produkten oder über die API-Konsole verfügbar. Die EU-Verfügbarkeit wird für Mitte Juli erwartet.
Das ist kein Nebensatz, sondern für deutsche Nutzer entscheidend. Wer aus Deutschland oder der EU heraus produktiv testen will, muss prüfen, ob der Zugang im eigenen Account bereits freigeschaltet ist. Für produktive Teams ist zusätzlich relevant, welche Datenverarbeitungs-, Compliance- und Vertragsbedingungen bei API-Nutzung gelten.
Für Entwickler außerhalb der EU ist die Lage einfacher: API-Key erstellen, Modell in Cursor oder Grok Build nutzen und eigene Tests fahren. Für EU-Nutzer bleibt der Artikel zum Start vor allem eine technische Einordnung und Vorbereitung auf die erwartete Freischaltung.
Was Grok 4.5 in Coding-Workflows leisten soll
Die offizielle Seite nennt Beispiele für schwierige Rust-, C- und C++-Aufgaben, App-Building von Prompt bis Produktion und End-to-End-Prototypen. Im WorldofAI-Test wurden zusätzlich Frontend- und Designaufgaben gezeigt, darunter Landingpages und interaktive Oberflächen.
Solche Tests sind nützlich, aber man muss sie richtig einordnen. Ein schönes Frontend aus einem Prompt ist ein gutes Signal für Designgeschmack und Framework-Verständnis. Es beweist aber nicht automatisch, dass ein Modell zuverlässig in bestehenden Produktionssystemen arbeitet. Entscheidend sind Regressionstests, saubere Dateiänderungen, robuste Fehlerbehandlung und die Fähigkeit, bestehende Projektkonventionen zu respektieren.
Genau deshalb sind Benchmarks wie Terminal Bench und SWE Bench Pro relevanter als reine Demo-Videos. Sie zeigen zwar ebenfalls nicht die ganze Realität, aber sie sind näher an den Aufgaben, die Coding-Agenten tatsächlich lösen müssen.
Vergleich mit Fable, GPT 5.5 und Opus 4.8
Die offizielle Vergleichslandschaft ist interessant. Fable bleibt in mehreren Coding-Benchmarks sehr stark, vor allem bei SWE Bench Pro und DeepSWE 1.1. GPT 5.5 liegt bei Terminal Bench praktisch gleichauf und ist in DeepSWE ebenfalls stark. Opus 4.8 bleibt bei manchen Softwareaufgaben vorne, ist laut Grok-4.5-Quelle aber deutlich weniger token-effizient.
Grok 4.5 gewinnt den Vergleich nicht pauschal. Es gewinnt eher eine bestimmte Kategorie: hohe praktische Leistungsfähigkeit bei gleichzeitig starkem Preis- und Effizienzprofil. Für Agenten-Orchestrierung kann das der entscheidende Punkt sein. Man muss nicht jede Aufgabe mit dem teuersten oder absolut stärksten Modell bearbeiten. Häufig ist ein Modell sinnvoll, das 80 bis 90 Prozent der Aufgaben gut genug löst und nur bei schwierigen Fällen an ein stärkeres Modell eskaliert.
Das macht Grok 4.5 potenziell zu einem Baustein in Multi-Modell-Workflows: Grok 4.5 für schnelle, breite Coding-Arbeit; ein stärkeres Modell für harte Architektur-, Debugging- oder Review-Aufgaben.
Fazit: Grok 4.5 ist kein reiner Hype, aber auch kein automatischer Sieger
Grok 4.5 ist ein ernstzunehmendes Coding- und Agentenmodell. Die offiziellen Zahlen zeigen starke Ergebnisse auf Terminal Bench, solide bis sehr gute Werte auf mehreren Software-Benchmarks und ein auffälliges Effizienzprofil. Der Preis von 2 US-Dollar pro Million Input-Token und 6 US-Dollar pro Million Output-Token macht das Modell zusätzlich interessant.
Die nüchterne Einordnung lautet: Grok 4.5 schlägt nicht jedes Spitzenmodell in jedem Benchmark. Fable und GPT 5.5 bleiben in mehreren Disziplinen stärker. Aber Grok 4.5 könnte für viele reale Agenten-Workflows trotzdem attraktiver sein, weil Kosten, Geschwindigkeit und Token-Effizienz in der Praxis genauso zählen wie der höchste Einzelwert.
Für Entwickler, Builder und technische Teams lohnt sich deshalb ein eigener Test, sobald der Zugang verfügbar ist. Nicht als Ersatz für jede Modellklasse, sondern als mögliches Standardmodell für schnelle, breite Coding-Agentenarbeit.
Quelle: Offizielle Grok-4.5-Ankündigung von xAI beziehungsweise SpaceXAI, veröffentlicht am 8. Juli 2026. Benchmark- und Preisangaben laut Hersteller beziehungsweise laut dort genannten Vergleichsquellen, nicht unabhängig von KI Tools Update verifiziert.
FAQ zu Grok 4.5
Was ist Grok 4.5?
Grok 4.5 ist ein neues Modell von xAI beziehungsweise SpaceXAI für Coding, agentische Aufgaben und technische Wissensarbeit. Laut Hersteller wurde es gemeinsam mit Cursor trainiert und für reale Software-Engineering-Aufgaben optimiert.
Ist Grok 4.5 besser als GPT 5.5 oder Fable?
Nicht pauschal. Laut offizieller Benchmark-Tabelle liegt Grok 4.5 in einigen Tests nahe an GPT 5.5 oder darüber, bleibt in anderen Tests aber hinter Fable und GPT 5.5 zurück. Besonders interessant ist das Verhältnis aus Leistung, Geschwindigkeit, Preis und Token-Effizienz.
Was kostet Grok 4.5?
Laut offizieller Ankündigung kostet Grok 4.5 2 US-Dollar pro Million Input-Token und 6 US-Dollar pro Million Output-Token. Zusätzlich verweist der Anbieter auf eine deutlich höhere Token-Effizienz bei bestimmten Coding-Aufgaben.
Ist Grok 4.5 in Deutschland verfügbar?
Zum Start laut offizieller Quelle noch nicht. Die Seite nennt, dass Grok 4.5 in der EU noch nicht in SpaceXAI-Produkten oder über die API-Konsole verfügbar ist und die EU-Verfügbarkeit für Mitte Juli erwartet wird.
Für wen ist Grok 4.5 besonders interessant?
Grok 4.5 ist vor allem für Entwickler, Teams mit Coding-Agenten, Cursor-Nutzer und Builder interessant, die viele technische Aufgaben automatisieren wollen. Der wichtigste Nutzen liegt wahrscheinlich in schnellen, kosteneffizienten Agenten-Workflows, nicht in einem einzelnen Chatbot-Vergleich.