DeepSeek V4 Pro im Vergleich zu Grok 4.6: Erster Realwelt-Test katapultiert beide Modelle in die Spitzenklasse
Die fast gleichzeitige Veröffentlichung der beiden KI-Modelle rückt DeepSeek V4 Pro und Grok 4.6 direkt in den Fokus. DeepSeek V4 Pro überzeugt bei Agenten- und
DeepSeek V4 Pro im Vergleich zu Grok 4.6: Erster Realwelt-Test katapultiert beide Modelle in die Spitzenklasse
Einleitung
Zwei Schwergewichts-KI-Modelle wurden nahezu gleichzeitig veröffentlicht und rücken DeepSeek V4 Pro und Grok 4.6 direkt in den Fokus.
DeepSeek V4 Pro erzielt einen deutlichen Sprung bei Agenten- und Softwareentwicklungsleistung, während Grok 4.6 bei Codierung, Wissensarbeit und umfassenden Fähigkeiten stark aufspielt. Der Quellartikel beschreibt beide Veröffentlichungen als direkte Herausforderung an die aktuellen Spitzenmodelle von OpenAI und Anthropic.
Besonders interessant an diesem Vergleich ist, dass beide Modelle nicht nur an Benchmark-Tabellen gemessen werden. Frühe Realwelt-Tests verlangten von ihnen außerdem, mit identischen Eingabeaufforderungen Websites zu erstellen, Spiele zu entwickeln, visuelle Designs nachzubilden und 3D-Erlebnisse zu generieren.
Das Ergebnis ist weniger ein einfaches Winner-takes-all-Rennen, sondern vielmehr ein Kopf-an-Kopf-Duell – jedes Modell hat Bereiche, in denen es heraussticht.
DeepSeek V4 Pro betritt die Bühne, Grok 4.6 zieht nach
Der Quellartikel hebt mehrere Benchmark-Ergebnisse von DeepSeek V4 Pro hervor.
Im Cybersicherheits-Agenten-Benchmark CyberGym erreicht DeepSeek V4 Pro laut Bericht 83,3 Punkte und liegt damit knapp vor Fable 5 mit 83,1 und Opus 4.8 mit 78,3.
Bei AutomationBench erzielt es 31,8 und führt damit vor Fable 5 mit 29,1 und Opus 4.8 mit 27,2.
Am knappsten war das Ergebnis bei Terminal-Bench 2.1. DeepSeek V4 Pro erreicht 87,9, während Opus 4.8 auf 85,0 und Fable 5 auf 88,0 kommen.
Der Quellartikel berichtet außerdem von einem Ergebnis von 60,0 bei der Humanity's Last Exam mit aktivierten Tools, während Opus 4.8 auf 57,9 und Fable 5 auf 63,0 kommen.
DeepSWE ist eine weitere bedeutende Verbesserung im Bericht. DeepSeek V4 Pro erreicht 62,7 – eine massive Steigerung gegenüber den 12,8 der Vorschauversion – und liegt damit über den gemeldeten 58,0 von Opus 4.8, aber weiterhin unter den 70,0 von Fable 5.
Grok 4.6 wurde in mehreren Bereichen gegen GPT-5.6 und Fable 5 getestet.
Der Quellartikel berichtet einen Composite Intelligence Index Score von 61, einen Punkt hinter Fable 5 mit 62.
Bei CursorBench erzielt Grok 4.6 laut Bericht 69,9 % und liegt damit vor GPT-5.6 mit 67,2 %, nahe an Fable 5 mit 70,5 %.
Bei FrontierCode erreicht es 61,3 %, ebenfalls leicht vor GPT-5.6 mit 60,6 %, aber hinter Fable 5 mit 63,6 %.
Der Quellartikel zeigt stärkere Ergebnisse bei der Wissensarbeit. Grok 4.6 belegt laut Bericht bei allen drei Fokus-Benchmarks den ersten Platz: 1.753 Elo bei GDPval-AA v2, 1.577 Elo bei AA-Briefcase und 15,8 % beim professionellen Rechts-Benchmark Harvey LAB.
Die Hauptschlussfolgerung des Quellartikels aus diesen Daten ist klar: Beide Modelle sind nun Teil des Dialogs auf Augenhöhe mit führenden Frontier-Systemen.
Auch die Preisunterschiede sind Teil der Geschichte
Leistung ist nur die eine Hälfte dieses Vergleichs.
Der Quellartikel hebt auch die Inferenzkosten hervor. Er berichtet die Preise pro Million Output-Tokens zum Zeitpunkt der Veröffentlichung:
| Modell | Preis pro Million Output-Tokens (gemeldet) |
|---|---|
| DeepSeek V4 Pro | 0,87 $ |
| Grok 4.6 | 6 $ |
| GPT-5.6 Sol | 30 $ |
| Claude Opus 5 | 25 $ |
| Fable 5 | 50 $ |
In der aktuellen Dollar-Preisansicht betragen die Kosten pro Million Input-Tokens 0,435 $ bei Cache-Miss und 0,003625 $ bei Cache-Treffer.
Die DeepSeek-Dokumentation weist außerdem darauf hin, dass das V4-Modell ein Kontextfenster von 1 Million Tokens, Tool-Nutzung sowie API-Zugriff im OpenAI-Format und im Anthropic-Format unterstützt.
Die konkreten Preise anderer Modelle ändern sich im Laufe der Zeit, daher sind die Preisvergleiche zwischen den Modellen im Quellartikel als Momentaufnahme zum Veröffentlichungsdatum zu betrachten und nicht als dauerhaft gültige Preisliste.
Erster Praxistest: DeepSeek V4 Pro erstellt eine 3D-Erde
Der erste im Artikel beschriebene Praxistest stellt eine ziemlich hohe Anforderung an DeepSeek V4 Pro.
Allein mit einer Eingabeaufforderung erzeugte das Modell im Browser ein vollständiges interaktives 3D-Erde-Erlebnis.
Das Ergebnis unterstützt laut Bericht grundlegende Interaktionen wie Ziehen, Drehen und Zoomen und enthält außerdem globale Datenströme, dynamische Routen und geografische Markierungen rund um den Globus.
Die visuellen Details gehen noch weiter. Atmosphärische Streuung, Wolken, Tag-Nacht-Beleuchtung und die umgebende Benutzeroberfläche sind in dem generierten Erlebnis enthalten.
Der Schwerpunkt dieses Tests lag nicht nur darauf, dass das Modell eine Webseite generiert hat, sondern darauf, wie weit ein KI-Programmiermodell gehen kann, wenn es darum gebeten wird, visuelles Design, 3D-Rendering, Interaktion und Anwendungsstruktur in einer einzigen Aufgabe zu koordinieren.
DeepSeek V4 Pro gegen Grok 4.6 bei drei Anwendungsaufgaben
Anschließend vergleicht der Quellartikel beide Modelle mit identischen oder sehr ähnlichen Eingabeaufforderungen.
Der KI-Ersteller Xiangyang Qiaomu führte zunächst drei kleine Aufgaben mit DeepSeek V4 Pro aus und übergab dann zwei dieser identischen Eingabeaufforderungen an Grok 4.6.
Website mit drei Fähigkeiten erstellen und bereitstellen
Die erste Aufgabe verlangte vom Modell, eine Website mit drei Fähigkeiten zu entwickeln und bereitzustellen.
DeepSeek V4 Pro hat den gesamten Arbeitsablauf laut Bericht erfolgreich abgeschlossen. Der Quellartikel beschreibt das Seitendesign und die Gesamtintegrität als stabil.
Diese Art von Test ist besonders wichtig für die agentische Programmierung, da das Modell mehrere Tools oder Fähigkeiten koordinieren muss, anstatt nur Code zu generieren.
60 Designstile in Bento-Karten nachbilden
Die zweite Aufgabe verlangte vom Modell, 60 verschiedene Designstile nachzubilden und als eine Reihe von Bento-Karten darzustellen.
DeepSeek V4 Pro unterschied laut Bericht bei den verschiedenen Designs zwischen Typografie, Farbpaletten und Layouts.
Als dieselbe Eingabeaufforderung an Grok 4.6 übergeben wurde, hatte dieser die Nase vorn. Der Quellartikel beschreibt, dass einige Seiten von Grok in Layout, Farbe und visueller Hierarchie ausgereifter waren und das Endergebnis insgesamt raffinierter wirkte.
3D-Brick-Breaker-Spiel entwickeln
Die dritte Aufgabe bestand darin, ein 3D-Brick-Breaker-Spiel von Grund auf zu erstellen.
DeepSeek V4 Pro generierte ein spielbares Spiel mit 3D-Umgebung, Hintergrundmusik, dynamischen Soundeffekten und interaktivem Feedback.
Grok 4.6 zeigte in dieser Runde eine vergleichbare Leistung. Der Quellartikel beschreibt die Ergebnisse beider Modelle als nahezu gleichwertig in visueller Qualität, Szenenvollständigkeit und Spielbarkeit.
Der Flappy-Bird-Test offenbart einen anderen Zielkonflikt
Ein differenzierterer Test stammt vom Entwickler Jun Song, der DeepSeek V4 Pro und Grok 4.6 exakt dieselbe Eingabeaufforderung gab, um ein Spiel im Flappy-Bird-Stil von Grund auf zu entwickeln.
Die beiden Modelle wählten grundlegend unterschiedliche Ansätze.
DeepSeek V4 Pro verwendete mehr als 20.000 Tokens, aber die API-Kosten betrugen laut Bericht nur 0 $ – weil die API-Preisgestaltung des Modells (während des zeitlich begrenzten Angebots von DeepSeek) sowohl Input- als auch Output-Tokens vollständig kostenlos machte.
Grok 4.6 verwendete etwa 5.000 Tokens, wobei die Kosten laut Bericht bei 0,03 $ lagen.
In diesem speziellen Testlauf war Grok also token-effizienter, aber laut Quellartikel lieferte DeepSeek das stärkere Endergebnis.
Die DeepSeek-Version enthielt laut Bericht geschichtete Berg-Hintergründe, Wolken, Farbverläufe und Röhren mit Tiefenwirkung sowie eine schwebende „+1“-Animation, wenn die Spielfigur durch die Röhren fliegt.
Die Schlussfolgerung des Quellartikels ist wertvoll: Ein geringerer Token-Verbrauch bedeutet nicht automatisch bessere Anwendungsergebnisse, und ein höherer Token-Verbrauch bedeutet nicht zwangsläufig höhere Kosten.
Ein weiterer Frontend-Test bevorzugt ebenfalls DeepSeek
Der Entwickler Hamza führte einen weiteren Frontend-Generierungstest durch, und der Quellartikel berichtet, dass DeepSeek V4 Pro erneut gewann.
Die generierte Seite wurde als der anderen in Bezug auf Gesamtintegrität und visuelle Qualität überlegen beschrieben.
Ergebnisse von Grok 4.6.
Dies bestärkt das bereits früher in Aufgaben beobachtete Muster: Die beiden Modelle liegen sehr nah beieinander, aber ihre Stärken variieren je nach konkreter Anwendung und Prompt.
V4 Pro hat weiterhin Schwächen
DeepSeek V4 Pro gewinnt nicht bei jedem visuellen Generierungstest.
In einem Vergleich mit Pelikanen schnitt die V4-Pro-Version laut Aussage in der Gesamtqualität der visuellen Ausführung besser ab als die Flash-Version und erzeugte eine ansprechendere Elefanten-Illustration, jedoch zeigte der Pelikan in die falsche Bewegungsrichtung.
Dies ist ein kleines Beispiel, verdeutlicht jedoch eine häufige Einschränkung generativer Codierung und visueller Systeme: Die Ergebnisse können ausgefeilt wirken und dennoch grundlegende semantische oder Bewegungsfehler enthalten.
Three.js-Kirschblütenbaum: Der Unterschied wird deutlicher
Der Quellartikel erhöhte anschließend den Schwierigkeitsgrad und forderte DeepSeek V4 Pro, GPT-5.6 Sol und Claude Opus 5 auf, denselben Kirschblütenbaum mit Three.js zu erzeugen.
Diesmal waren die Unterschiede deutlicher.
Der Artikel berichtet, dass DeepSeek V4 Pro bei den Details von Stamm und Ästen, Blattwerk, Beleuchtung, Tiefenschärfe sowie der Gesamtatmosphäre hinter den beiden anderen Modellen zurückblieb.
Dieses Ergebnis ist wichtig, weil es verhindert, dass der Vergleich zu einer simplen Siegeserzählung wird. DeepSeek V4 Pro mag bei End-to-End-Codierungsaufgaben äußerst leistungsfähig sein, doch es gibt weiterhin spezielle visuelle Generierungsszenarien, in denen andere Spitzenmodelle feinere Ergebnisse liefern.
Insgesamt: DeepSeek V4 Pro und Grok 4.6 auf ähnlichem Niveau
Nach mehreren Testrunden lautet das Gesamturteil des Quellartikels, dass DeepSeek V4 Pro und Grok 4.6 ein ähnliches Wettbewerbsniveau erreicht haben.
Keines der beiden Modelle kann jede Aufgabe für sich entscheiden.
DeepSeek V4 Pro wirkt bei bestimmten End-to-End-Codierungs- und App-Entwicklungsaufgaben besonders stark, während Grok 4.6 möglicherweise tokensparender ist und bei einigen visuellen Design- sowie Wissensarbeits-Vergleichen Vorteile zeigt.
Dies macht den Vergleich nützlicher als eine einzelne Benchmark-Zahl. Für Entwickler könnte das bessere Modell davon abhängen, ob die Priorität auf Codierungsqualität, Agentenzuverlässigkeit, visueller Ausgereiftheit, Tokeneffizienz oder API-Kosten liegt.
Zwei KI-Modelle schließen die Lücke zur Spitze
Der Quellartikel beschreibt die gleichzeitige Veröffentlichung von DeepSeek V4 Pro und Grok 4.6 als einen ungewöhnlichen Moment im KI-Markt.
Die Reaktion von Rick De Oliveira, die im Artikel zitiert wird,
Die Kernaussage des Originalartikels ist, dass beide Modelle sowohl leistungsstark als auch erschwinglich sind.
Genau diese Kombination macht ihre Veröffentlichung so beachtenswert.
Die offizielle Dokumentation von DeepSeek bestätigt, dass V4 Pro für Tool-Calling, Long-Context-Workloads sowie Denk- und Nicht-Denk-Modi entwickelt wurde.
Das offizielle Grok-Material von xAI positioniert die neueste Grok-Generation ebenfalls bei Codierung, Agentenaufgaben und Wissensarbeit. Beispielsweise beschreibt die offizielle Grok-4.5-Ankündigung das Modell als speziell für Codierung, Agentenaufgaben und Wissensarbeit gebaut und berichtet über Ergebnisse praktischer Engineering-Evaluierungen.
Auch wenn einzelne Benchmark-Werte variieren, bleibt der breitere Trend klar: Spitzen-KI wird für Entwickler zunehmend zugänglicher, und das Preis-Leistungs-Verhältnis wird zu einem immer wichtigeren Teil des Modellwettbewerbs.
Was passiert als Nächstes?
Der Quellartikel weist abschließend auf die Richtung der nächsten Wettbewerbsrunde hin.
Er erwähnt, dass xAI bereits Grok 4.7 angekündigt hat und erwartet wird, dass OpenAI und Anthropic jeweils mit ihren Modellupdates reagieren werden.
Das bedeutet, dass heutige Benchmark-Führende ihre Spitzenposition möglicherweise nicht lange halten werden.
Für Entwickler ist die nachhaltigere Lektion: Modelle anhand von Aufgaben bewerten, die den eigenen Arbeitsablauf wirklich betreffen. Ein Modell, das bei Benchmarks gut abschneidet, aber in der eigenen Codebasis, im Deployment-Prozess, bei den UI-Anforderungen oder im Tool-Stack schwächelt, ist möglicherweise weiterhin nicht die richtige Wahl.
Häufig gestellte Fragen
Was ist DeepSeek V4 Pro?
DeepSeek V4 Pro ist das V4-Flaggschiffmodell von DeepSeek, ausgelegt für Reasoning, Codierung, Tool-Nutzung und Long-Context-Workloads. Die offizielle DeepSeek-Dokumentation listet einen Kontextfenster von 1 Million Token und unterstützt Tool-Calling, während API-Zugriff sowohl im OpenAI-Format als auch im Anthropic-Format angeboten wird.
Wie schneidet DeepSeek V4 Pro im Vergleich zu Grok 4.6 ab?
Der Quellartikel berichtet, dass die beiden Modelle bei mehreren Agenten- und Codierungstests nahe beieinander lagen, mit wechselseitigen Siegen. DeepSeek V4 Pro glänzte besonders bei mehreren End-to-End-App-Entwicklungstests, während Grok 4.6 bei Codierung, Wissensarbeit sowie einigen visuellen Designaufgaben starke Ergebnisse zeigte.
Ist DeepSeek V4 Pro günstiger als Grok?
Laut dem Vergleich vom 14. August 2026 im Quellartikel meldete DeepSeek V4 Pro einen Ausgabepreis von 0,87 US-Dollar pro Million Token, während Grok 4.6 bei 6 US-Dollar lag. Die offizielle DeepSeek-Preisseite bestätigt derzeit 0,87 US-Dollar pro Million Ausgabe-Token für V4 Pro, wobei API-Preise sich jedoch ändern können.
Kann DeepSeek V4 Pro Websites und Spiele erstellen?
Der Quellartikel berichtet über erfolgreiche Testfälle, bei denen DeepSeek V4 Pro ein 3D-Erde-Erlebnis, Websites, eine Bento-Stil-Designsammlung, ein 3D-Breakout-Spiel und ein Flappy-Bird-ähnliches Spiel generierte. Dies sind berichtete tatsächliche Testergebnisse, keine Garantie, dass jeder Prompt Ergebnisse in gleicher Qualität liefert.
Ist DeepSeek V4 Pro für KI-Codierungsagenten geeignet?
Es wurde für Tool-Calling und Agenten-Workloads entwickelt, und der Quellartikel berichtet über starke Leistungen bei mehreren Agenten- und Software-Engineering-Evaluierungen. Auch die offizielle DeepSeek-Dokumentation listet die Unterstützung von Tool-Calling für V4 Pro auf.
Schlägt DeepSeek V4 Pro immer andere Spitzenmodelle?
Nein. Der Quellartikel enthält Tests, bei denen GPT-5.6 Sol und Claude Opus 5 bei diesen Tests bessere Ergebnisse
erzielten, insbesondere beim Three.js-Kirschblütenbaum-Generierungsvergleich. Die Ergebnisse variieren stark je nach Aufgabe.
Was sollten Entwickler außer Benchmark-Werten noch vergleichen?
Entwickler sollten auch API-Kosten, Latenz, Kontextlänge, Tool-Calling, Codierungszuverlässigkeit, Ausgabequalität und die Passung des Modells zu ihren bestehenden Agenten-Workflows vergleichen. Für Produktionssysteme können Konsistenz und Gesamtkosten wichtiger sein als kleine Unterschiede bei Benchmarks.
Verwandte Tools
- DeepSeek API: Offizieller API-Endpunkt für den Zugriff auf DeepSeek-Modelle.
- DeepSeek API-Dokumentation: Offizielle Dokumentation zu Modellen, Preisen, Tool-Calling und API-Integration.
- xAI API: Offizielle Entwicklerressourcen für das Entwickeln mit Grok-Modellen.
- Grok: Der benutzerorientierte Grok-Dienst von xAI zur Interaktion mit seinen Modellen.
- Three.js: Die JavaScript-3D-Bibliothek, die für die im Artikel beschriebenen Three.js-Generierungstests relevant ist.
Verwandte Links
- DeepSeek-Modelle und Preise: Offizielle DeepSeek-API-Modellspezifikationen und aktuelle Token-Preise.
- DeepSeek V4-Dokumentation: Offizielle DeepSeek-API-Dokumentation und Integrationsleitfäden.
- xAI Grok 4.5-Ankündigung: Offizielle Ankündigung von xAI, die die Codierungs- und Agentenfähigkeiten der aktuellen Grok-Generation abdeckt.
- xAI API-Dokumentation: Offizielle Dokumentation zur Nutzung von Grok über die xAI-Entwicklerplattform.
- Three.js: Offizielle Three.js-Projektwebsite und Dokumentation.
- [DeepSeek API
GitHub](https://github.com/deepseek-ai): Die offizielle DeepSeek-GitHub-Organisation.
Zusammenfassung
DeepSeek V4 Pro und Grok 4.6 treiben die Spitzen-KI gleichzeitig aus zwei Richtungen voran: leistungsfähigere reale Agenten und Codierungsleistung, kombiniert mit einem aggressiveren Preis-Leistungs-Verhältnis.
Erste Tests ergaben keinen klaren Gesamtsieger. DeepSeek V4 Pro zeigte sich in mehreren End-to-End-Anwendungsbauaufgaben stark, während Grok 4.6 wettbewerbsfähige Fähigkeiten in den Bereichen Codierung, Wissensarbeit und visuelles Design bewies.
Der größere Wandel besteht darin, dass Entwickler nun eine größere Auswahl an leistungsfähigeren Modellen haben, ohne automatisch Preise auf Spitzenniveau zahlen zu müssen.