Grok 4.6 veröffentlicht: Benchmarks, Preise und erste Reaktionen
SpaceXAI hat Grok 4.6 veröffentlicht. Per Nachtraining rückt das Modell zur Spitzengruppe auf, der Preis bleibt unverändert. Benchmarks, Kosten und erste Reaktionen im Überblick.
xAI hat Grok 4.6 veröffentlicht - nur fünf Wochen nach dem Vorgänger. Seit dem 12. August 2026 ist das Modell verfügbar. Der Hersteller gehört seit Februar zu SpaceX und tritt inzwischen als SpaceXAI auf.
Ein neues Basismodell ist Grok 4.6 nicht: Die Grundlage bleibt die von Grok 4.5, der Fortschritt steckt komplett im Nachtraining. Besser werden soll das Modell vor allem bei langlaufenden Agent-Tasks, beim Coding und in der Büroarbeit.
Statt ein größeres Modell zu bauen, hat xAI nach eigenen Angaben länger nachtrainiert. Für das Training hat das Unternehmen den Vorgänger Lösungswege neu erzeugen lassen und die fehlerhaften aussortiert. Dazu kommt Reinforcement Learning in agentischen Umgebungen - von Wissensarbeit über Webentwicklung bis zur CAD-Konstruktion.
Im Mittelpunkt steht dabei die Selbstkontrolle: Bei langen Aufgaben prüft das Modell seine Zwischenergebnisse, bevor es weiterarbeitet. Profitieren sollen davon Agenten, die über viele Schritte eine Aufgabe bearbeiten. Das Kontextfenster umfasst unverändert 500.000 Token.
Am Grundpreis ändert sich nichts. Grok 4.6 kostet wie der Vorgänger 2 Dollar je Million Input-Token und 6 Dollar für den Output. Die Konkurrenz verlangt ein Mehrfaches.
| Modell | Input | Output |
|---|---|---|
| Grok 4.6 | 2 Dollar | 6 Dollar |
| Claude Opus 5 | 5 Dollar | 25 Dollar |
| GPT-5.6 Sol | 5 Dollar | 30 Dollar |
| Claude Fable 5 | 10 Dollar | 50 Dollar |
Preise je eine Million Token, Standardstufe. Anbieterangaben (Stand: 13. August 2026).
Teurer geworden ist allerdings das Lesen aus dem Prompt Cache - 0,50 statt bisher 0,30 Dollar je Million Token. Gerade bei langen Agenten-Sessions dominiert dieser Posten die Rechnung. Ab 200.000 Token im Prompt verdoppeln sich zudem alle Preise, und zwar nicht nur für die Token oberhalb der Grenze, sondern für die komplette Anfrage. Die schnellere Fast-Variante kostet durchgehend das Doppelte.
Verfügbar ist das Modell ab sofort über die API sowie bei OpenRouter, Vercel und Cloudflare. In Grok Build ist es das neue Standardmodell, Cursor schaltet es in allen Tarifen frei. Beide Werkzeuge verdoppeln in der ersten Woche das enthaltene Nutzungskontingent. Zur Verfügbarkeit in der EU macht xAI bislang keine Angaben. Beim Vorgänger hat die Freigabe für Europa neun Tage gedauert, weil erst die Prüfpflichten des EU AI Act zu erfüllen waren.
xAI hat zum Start wieder eigene Benchmark-Ergebnisse veröffentlicht - und dieses Mal auch Schwächen stehen lassen.
| Benchmark | Grok 4.6 | GPT-5.6 Sol Max | Claude Fable 5 Max |
|---|---|---|---|
| CursorBench v3.2 | 69,9 % | 67,2 % | 70,5 % |
| DeepSWE v1.1 | 65,9 % | 73 % | 70 % |
| APEX-Agents | 57,5 % | 56,7 % | 59,2 % |
| Terminal-Bench v3.0 | 26 % | 34,6 % | 34,1 % |
Alle Werte laut xAI-Modellkarte (Stand: 12. August 2026).
In den Coding-Tests liegt Grok 4.6 mal knapp vorn, mal ein gutes Stück zurück. Deutlich stärker ist das Modell in der Wissensarbeit: In GDPval-AA v2 erreicht es einen Elo-Wert von 1753 und lässt damit GPT-5.6 Sol Max wie auch Claude Fable 5 Max hinter sich.
Erste unabhängige Zahlen bestätigen das Bild weitgehend. Beim Benchmark-Dienst Artificial Analysis kommt Grok 4.6 im Intelligence Index auf 61 Punkte. Damit liegt es gleichauf mit GPT-5.6 Sol, knapp hinter Claude Fable 5 (62 Punkte) und Claude Opus 5 (63). Gegenüber Grok 4.5 sind das fünf Punkte mehr - zum unveränderten Preis.
Bei den Kosten sieht der Dienst Grok 4.6 vorn. Im Agenten-Test AA-Briefcase kommt das Modell mit rund halb so vielen Arbeitsschritten aus wie Claude Opus 5 und verbraucht etwa ein Viertel von dessen Input-Token. Eine erledigte Aufgabe kostet im Schnitt 0,84 Dollar.
Der Blogger Deepak Ness findet Grok 4.6 nach ersten Tests etwas langsamer als den Vorgänger, dafür spürbar besser. Ob die stärkere Reasoning-Leistung den Tempoverlust aufwiegt, lässt er offen - dafür habe er das Modell schlicht noch nicht lange genug im Einsatz. Als größten Minuspunkt nennt er die gestiegenen Cache-Preise.
Aus dem Cursor-Team kommt ein Praxistipp: Die Ergebnisse werden deutlich besser, wenn man das Modell seinen Code ausführen und kontrollieren lässt, statt jedes Ergebnis ungesehen zu übernehmen.