Grok 4.5 unterbietet Opus 4.8 um das Vierfache: Wer knickt zuerst ein?
Kurzfassung
SpaceXAIs Grok 4.5 startet bei 6 Dollar pro Million Output-Token, ein Viertel des Opus-4.8-Preises, mit einer behaupteten 4,2-fachen Token-Effizienz. Die Benchmarks sind gemischt, aber die Preislogik dahinter ist die eigentliche Geschichte.
Grok 4.5 ist heute für alle freigeschaltet, zum Preis von 6 Dollar pro Million Output-Token, keinem Viertel dessen, was Anthropic für Opus 4.8 mit 25 Dollar verlangt. Elon Musk nannte es ein Modell der Opus-Klasse, aber schneller, token-effizienter und günstiger, und legte gleich eine behauptete 4,2-fache Token-Effizienz obendrauf. Die Benchmarks fallen gemischt aus. Worauf es ankommt, ist die Rechnung hinter der Preisstrategie, und wo man in drei Monaten nachschauen sollte, ob sie aufgeht.
Hier meine These, gern widerlegen: Diese Preissenkung wird Anthropic nicht zu einem sofortigen Gegenschlag zwingen. Stattdessen verschiebt sie das eigentliche Schlachtfeld von Dollar pro Million Token hin zu Dollar pro erledigter Aufgabe. Wer bereits Coding-Agent-Workloads mit echten Abrechnungsdaten betreibt, sollte dieselbe Aufgabenserie einmal parallel durch Grok 4.5 und Opus 4.8 laufen lassen. Deckt sich der ermittelte Preis pro Aufgabe mit der Schätzung weiter unten?
Was passiert ist
SpaceXAI, das Unternehmen hieß bis zum Rebranding am 6. Juli noch xAI, hat Grok 4.5 heute für alle geöffnet. Es ist das erste Modell unter dem neuen Namen, nach der Fusion von SpaceX mit xAI im Februar und der 60-Milliarden-Dollar-Übernahme des Coding-Tools Cursor im Juni. Die Preise sind klar: 2 Dollar pro Million Input-Token, 6 Dollar pro Million Output-Token, verfügbar auf grok.com, in der X-App, in allen Cursor-Plänen und über SpaceXAIs eigene API. Das Modell läuft mit rund 80 Token pro Sekunde, ein Tempo, das klar im Bereich schneller Modelle liegt.
Bei den Benchmarks veröffentlichte xAI vier direkte Vergleiche mit Opus 4.8, zwei gewonnen, zwei verloren. Grok 4.5 liegt bei Terminal-Bench 2.1 vorn, 83,3 Prozent gegen 78,9 Prozent. Bei SWE-Bench Pro liegt es zurück, 64,7 Prozent gegen 69,2 Prozent, und bei DeepSWE 1.1 verliert es um 6 Punkte. Das eigentliche Verkaufsargument liegt woanders. xAI gibt an, dass Grok 4.5 dieselben SWE-Bench-Pro-Aufgaben mit durchschnittlich 15.954 Output-Token löst, während Opus 4.8 dafür 67.020 Token braucht, ein Faktor von 4,2. Unabhängige Community-Bewertungen platzieren Grok 4.5 mit 1462 Elo-Punkten in der Chat Arena von LMSYS, in etwa auf Höhe von Opus 4.6. Eine unabhängige Bestätigung der Effizienzzahlen steht noch aus.
Grok 4.5 wurde mit echten Entwickler-Sessiondaten von Cursor trainiert, mit Debugging-Verläufen und tatsächlichen Code-Änderungen, nicht mit statischen öffentlichen Repositories. Das erklärt, warum das Modell bei Terminal-Bench stark abschneidet, wo eher technische Arbeitsabläufe gefragt sind, aber bei SWE-Bench Pro zurückfällt, wo breiteres Schlussfolgern verlangt wird.
Was die Zahlen wirklich bedeuten
Zuerst die 4,2-fache Effizienzbehauptung auseinandernehmen. Stimmt sie, kostet eine Aufgabe, die auf Opus 4.8 das 4,2-Fache an Output-Token bräuchte, auf Grok 4.5 denselben Dollarbetrag, weil der Token-Preis von Grok schon ein Viertel des Opus-Preises ist. Multipliziert man beide Effekte, sinken die theoretischen Kosten pro Aufgabe auf etwa ein Siebzehntel des Opus-Preises. Eine verlockende Zahl, die vollständig aus xAIs eigenen internen Tests stammt. Kein unabhängiges Labor hat dieselbe Aufgabenserie nachgestellt, um den tatsächlichen Token-Verbrauch zu prüfen. Benchmark-Organisationen validieren üblicherweise die Genauigkeit, nicht den Token-Verbrauch, und diese Lücke bleibt bislang offen.
Zur Einordnung eine Fermi-Schätzung. Ein mittelgroßes Softwareunternehmen, das monatlich 5.000 KI-Coding-Agent-Aufgaben ausführt, zahlt bei Opus 4.8 mit durchschnittlich 67.000 Output-Token pro Aufgabe und 25 Dollar pro Million etwa 8.375 Dollar im Monat. Mit der von Grok 4.5 behaupteten Effizienz sinken die Kosten bei gleicher Aufgabenmenge auf 5.000 mal 15.954 mal 6 Dollar geteilt durch eine Million, etwa 479 Dollar, ein Unterschied von fast dem 17-Fachen. Diese Rechnung setzt voraus, dass Schwierigkeitsgrad, Agent-Framework und Wiederholungsversuche identisch bleiben, was in der Praxis kaum je exakt zutrifft. Die Größenordnung reicht trotzdem, um jeden CFO aufmerksam werden zu lassen.
Neben den Benchmarks gibt es eine ingenieurtechnische Realität. Grok 4.5 trainierte mit internen Debugging-Sessions von Cursor, und Cursor selbst ist genau das Unternehmen, das SpaceX übernimmt und als Tochtergesellschaft eingliedert. Konkurrenten wie Anthropics Claude Code und OpenAIs Codex haben keinen Zugriff auf solche privaten Entwicklungsdaten, xAI sitzt damit auf einem Datengraben, den die Konkurrenz nicht kopieren kann, und der sich mit wachsender Cursor-Nutzerzahl weiter vertieft. Wer über Trainingsdaten verfügt, die näher an echter Entwicklungsarbeit liegen, gewinnt einen Vorteil, der mit Modellarchitektur wenig zu tun hat.
Zur Praxistauglichkeit: 80 Token pro Sekunde liegen im Bereich schneller Modelle, relevant für interaktive Coding-Unterstützung. Was mehrstufige Agent-Aufgaben tatsächlich verlangsamt, ist meist das Hin und Her von Planung und Tool-Aufrufen, nicht der reine Token-Durchsatz, und genau diese Dimension zeigt keiner der veröffentlichten Benchmarks.
Kennzahlen, die es zu beobachten gilt
Drei Dinge sollten innerhalb von ein bis drei Monaten Klarheit bringen. Erstens, ob unabhängige Benchmark-Gruppen wie das SWE-Bench-Team oder Artificial Analysis den tatsächlichen Token-Verbrauch von Grok 4.5 bei identischen Aufgaben nachmessen und die 4,2-fache Zahl bestätigen oder widerlegen. Zweitens, ob Anthropic eine Preissenkung oder eine effizienzoptimierte Opus-Variante nachschiebt. Bleibt binnen drei Monaten alles unverändert, spricht das dafür, dass Anthropic seinen Vorteil eher bei der Genauigkeit als beim Preis verortet. Drittens, ob sich die Standardmodellwahl zahlender Cursor-Nutzer nach dem Grok-4.5-Start spürbar verschiebt, eine Zahl, die ehrlicher über echtes Entwicklerurteil Auskunft gibt als jede Benchmark-Tabelle.
Grok 4.5 ist in der EU noch nicht verfügbar. Ob diese regulatorische Verzögerung europäische Entwickler ein ganzes Quartal dieses Preiskriegs verpassen lässt, lohnt sich ebenfalls zu beobachten.
Wenn dieser Artikel hilfreich war, abonniere den Newsletter für wöchentliche KI-PM-Einblicke.
Quellen: TechCrunch, Axios
Weiterführende Artikel:
Verwandte Artikel
Muse Spark 1.1: Meta unterbietet Anthropic und OpenAI im Preis
Metas Muse Spark 1.1 startet bei 4,25 Dollar pro Million Output-Token, angeblich ein Viertel der Preise von Anthropic und OpenAI. Die Benchmarks lassen aber genau deren neueste Modelle aus. Hält der Rabatt, was er verspricht?
OpenAI plant drastische Preissenkungen: Claude Code zwingt zum Token-Preiskampf
Das Wall Street Journal berichtete am 11. Juni, dass OpenAI API-Token-Preissenkungen erwägt. Auslöser: Anthropics Claude Code wuchs explosionsartig und brachte das erste profitable Quartal. Mit dem Beginn des KI-Preiskampfs gewinnen Unternehmenskunden an Verhandlungsmacht.