← 返回首页

Grok 4.5: xAIs schnelles, kostengünstiges Coding- und Agentenmodell erklärt

Grok 4.5 wird als schnelles, kosteneffizientes Modell für Coding, agentische Workflows und Wissensarbeit präsentiert. Es erzielt starke Ergebnisse in Engineering-Benchmarks, profitiert von Cursor-Kollaborationsdaten und verwendet bei SWE-Bench-Pro-Aufgaben deutlich weniger Ausgabe-Token als einige führende Modelle. Sein größter Wert liegt nicht darin, jedes Modell überall zu übertreffen. Wichtiger ist, dass es wettbewerbsfähige Intelligenz mit geringerem Token-Verbrauch, schnellerer Inferenz und aggressiver Preisgestaltung kombiniert. Für Teams, die KI-Coding-Agenten entwickeln, ist diese Kombination entscheidend. Kosten pro akzeptierter Aufgabe, Prüfaufwand, Tool-Nutzung und Fehlerbehebung können wichtiger sein als ein einzelner Leaderboard-Score. **Grok 4.5s eigentliche Botschaft ist einfach: Das nächste Modellrennen dreht sich nicht nur darum, wer am klügsten ist, sondern wer nützliche Intelligenz schneller und günstiger liefern kann.**

发布于 2026年7月10日•general•GEO 评分: 0•1 次阅读
Grok 4.5xAI Grok 4.5SpaceXAI Grok 4.5Cursor Grok 4.5Grok 4.5-BenchmarkGrok 4.5-PreiseGrok 4.5-APIGrok 4.5-Token-EffizienzSWE Bench ProTerminal Bench 2.1DeepSWE 1.0KI-CodierungsmodellAgentisches CodierungsmodellCursor-KI-ModellGB300-GPU-TrainingThree.js-Sonnensystem-DemoGrok Build

选择语言

العربيةDeutschEnglishEspañolFrançaisItaliano日本語한국어PortuguêsРусский中文
Dieses technisch gestaltete Cover mit dunklem Hintergrund zeigt im zentralen Bereich mit auffälliger Schrift in Blau-Verlauf zu Weiß 'Grok 4.5 Explained', darunter in kleinerer Schrift die vier Hauptthemen 'Benchmarks, Token Efficiency, Cursor Training, and Pricing'. Am unteren Rand sind vier lineare Symbole angeordnet, die jeweils Benchmarks, Token-Effizienz, Cursor-Training und Pricing repräsentieren. Das Gesamtlayout entspricht den visuellen Designanforderungen für die Modellvorstellung.

Grok 4.5: xAIs schnelles, kostengünstiges Coding- und Agentenmodell erklärt

Einleitung

Grok 4.5 ist endlich da.

Laut dem ursprünglichen Bericht hat xAI Grok 4.5 als sein bisher stärkstes Flaggschiffmodell veröffentlicht, mit einem klaren Fokus auf Programmierung, langlebige agentische Aufgaben und Wissensarbeit. Das Modell wurde zusammen mit Cursor trainiert, und die Schlagzeile bezieht sich nicht nur auf die rohen Benchmark-Ergebnisse. Die größere Geschichte ist die Kombination aus Leistung, Geschwindigkeit und Kosten.

Der Artikel positioniert Grok 4.5 als praktischen Herausforderer von Spitzenmodellen wie GPT-5.5, Opus 4.8 und Fable 5. Es wird nicht als das absolut stärkste Modell in jeder Metrik beschrieben. Stattdessen liegt sein Vorteil eher darin: stark genug, um zur ersten Liga zu gehören, viel schneller als viele Konkurrenten und weitaus günstiger im Betrieb bei token-intensiven technischen Aufgaben.

Bild vom offiziellen SpaceX AI Twitter, veröffentlicht vor 4 Stunden. Inhalt: "Einführung von Grok 4.5, unserem ersten Modell, das speziell für Programmierung und Agenten trainiert wurde. Das Modell wurde gemeinsam mit Cursor trainiert und bietet führende Geschwindigkeit und Kosteneffizienz bei gleichbleibend modernster Intelligenz." Darunter die URL "x.ai/news/grok-4-5". Das Bild bezieht sich auf den Inhalt des Dokuments, das Grok 4.5 vorstellt, und ist eine offizielle Darstellung der Veröffentlichungsinformationen zu Grok 4.5, die das Modell als speziell für Programmierung und Agenten trainiert hervorhebt, gemeinsam mit Cursor trainiert, mit Vorteilen bei Geschwindigkeit und Kosteneffizienz.

Grok 4.5 wurde für Programmierung und Agenten entwickelt

Die Veröffentlichungsbotschaft ist direkt: Grok 4.5 wurde für Programmierung, agentische Workflows und komplexe Wissensaufgaben entwickelt.

Das ist wichtig, weil sich das Zentrum des KI-Wettbewerbs über kurze Antworten hinaus verlagert hat. Für Entwickler und Teams besteht der wahre Test darin, ob ein Modell über mehrstufige technische Aufgaben hinweg arbeiten, Werkzeuge nutzen, Fehler beheben und nützliche Artefakte produzieren kann, ohne riesige Mengen an Kontext und Geld zu verschwenden.

Im ursprünglichen Artikel wird Grok 4.5 als das erste große Flaggschiffmodell von xAI nach der jüngsten strategischen Neuausrichtung des Unternehmens beschrieben, und auch als das erste große Ergebnis der xAI-Cursor-Zusammenarbeit.

Dies ist ein Screenshot der offiziellen Veröffentlichung von Cursor, in der Cursor angibt, mit SpaceX zusammengearbeitet zu haben, um Grok 4.5 zu trainieren. Dieses Modell sei ihr bisher leistungsstärkstes und das erste, das nicht nur für Softwareentwicklung entwickelt wurde. Der Screenshot zeigt auch mehrdimensionale Benchmark-Vergleichsdaten von Grok 4.5 mit ähnlichen Modellen wie Opus 4.8 und GPT-5.5, die vier Tests abdecken: Terminal-Bench 2.1, SWE-Bench Multilingual, DeepSWE 1.0 und SWE-Bench Pro. Grok 4.5 erreicht im Terminal-Bench 2.1 83,3%, im SWE-Bench Multilingual 78,0% und im SWE-Bench Pro 64,7%, was es in die Spitzengruppe der aktuellen Coding- und Agentenmodelle einordnet.

Die berichteten Benchmark-Zahlen sind stark:

  • SWE Bench Pro: 64,7%
  • Terminal Bench 2.1: 83,3%
  • DeepSWE 1.0: 62,0%

Diese Zahlen platzieren Grok 4.5 nahe der Spitzengruppe der aktuellen Programmier- und Agentenmodelle. Es wird nicht als Modell beschrieben, das alle anderen überall schlägt, aber es erscheint wettbewerbsfähig in Bereichen, in denen technische Agenten tatsächlich wichtig sind.

Zehntausende GB300 GPUs: Training eines "Opus-Klasse"-Modells

Der ursprüngliche Artikel besagt, dass Grok 4.5 mit Zehntausenden von NVIDIA GB300 GPUs trainiert wurde. Das verschafft dem Modell eine enorme Rechenbasis, aber Rechenleistung allein ist nicht die ganze Geschichte.

Der wichtigere Teil sind die Daten.

xAI hat Berichten zufolge starkes Filtern, Deduplizierung, Qualitätsbewertung und domänenfokussierte Auswahl eingesetzt, um die Trainingsdaten dicht und nützlich zu halten. Mit anderen Worten, das Modell wurde nicht nur mit großen Textmengen trainiert. Die Trainingsmischung wurde

gestaltet, um signalstärkeres Material für Programmierung, Ingenieurwesen, Naturwissenschaften, Mathematik und Wissensarbeit zu enthalten.

Eine weitere wichtige Idee ist die Intelligenz pro Token. Der Artikel beschreibt den Fokus von xAI auf Reinforcement Learning als eine Verbesserung der nützlichen Schlussfolgerungen, die das Modell pro Token erzeugen kann. Dies ist eine praktische Metrik, da Agenten-Workflows oft teuer werden, wenn ein Modell zu viel schreibt, zu oft wiederholt oder einen langen Weg zur Lösung einer Aufgabe nimmt.

Bild zeigt einen Screenshot eines Kommentars von Elon Musk auf Twitter. Das Profilbild zeigt einen SpaceX-Raketenstart, der Benutzername ist @elonmusk, veröffentlicht vor 4 Stunden. Der Kommentar lautet: „Unsere internen Bewertungen gehen davon aus, dass Grok 4.5 in etwa auf dem Niveau von Opus 4.7 liegt, aber deutlich schneller ist. Es ist die Kombination aus Leistungsfähigkeit, höherer Geschwindigkeit und geringeren Kosten, die es wettbewerbsfähig macht.“ Dieser Kommentar korrespondiert mit den im Dokument vorgestellten Vorteilen von Grok 4.5 in Bezug auf Leistungsfähigkeit, Geschwindigkeit und Kosten und unterstreicht seine Wettbewerbsfähigkeit.

Die Zusammenarbeit mit Cursor ist hier besonders wichtig. Die Daten von Cursor spiegeln wider, wie echte Entwickler mit Codebasen, Tools und Agenten interagieren. Das bedeutet, dass Grok 4.5 nicht nur lernt, wie Code aussieht. Es lernt auch, wie Entwickler und KI-Agenten in praktischen Umgebungen zusammenarbeiten.

Der Artikel stellt außerdem fest, dass der Trainingsstack des Modells für hochgradig asynchrone Arbeit ausgelegt wurde. Agentische Rollouts können stundenlang laufen, während das Training im gesamten Compute-Cluster fortgesetzt wird. Dieser Aufbau ist wichtig für langfristige Aufgaben, bei denen das Modell über mehrere Schritte hinweg kohärent bleiben muss, anstatt nur eine kurze Eingabeaufforderung zu lösen.

Bild zeigt einen Tweet von Elon Musk auf Twitter mit dem Inhalt „Grok 4.5 context window will upgrade to 1M probably by next week“ (Der Kontextfenster von Grok 4.5 wird voraussichtlich nächste Woche auf 1M aufgerüstet). Der Tweet wurde vor 12 Minuten veröffentlicht, das Bild zeigt ein SpaceX-Raketenstart-Motiv. Das Bild steht im Zusammenhang mit der im Dokument beschriebenen Modellausbildung von Grok 4.5. Das Dokument erwähnt die Leistung von Grok 4.5 in Bezug auf Rechenleistung, Datenqualität, Token-Effizienz etc. Dieser Tweet gibt Informationen über das Upgrade des Kontextfensters von Grok 4.5 und zeigt damit den Fortschritt bei den Modellfähigkeiten.

Nahe an GPT-5.5, dicht an Opus 4.8

Die Benchmark-Geschichte von Grok 4.5 ist keine einfache „Das beste Modell gewinnt alles“-Geschichte. Sie ist nuancierter.

Bei mehreren zentralen Engineering-Benchmarks verhält sich das Modell wie ein Erstklass-Konkurrent:

  • Bei DeepSWE 1.0 erreicht Grok 4.5 Berichten zufolge 62,0%, liegt damit vor Opus 4.8 mit 55,75% und nahe an GPT-5.5 mit 64,31%.
  • Bei Terminal Bench 2.1 erreicht es 83,3% und entspricht damit fast GPT-5.5s 83,4%.
  • Bei SWE Bench Pro erreicht es 64,7%, liegt vor GPT-5.5s 58,6% und nahe an Opus 4.8s 69,2%.
  • Bei den im Artikel erwähnten offiziellen AAAI-Tests belegt Grok 4.5 den vierten Platz, hinter Fable 5, GPT-5.5 und Opus 4.8.
  • Im Legal-Agent-Benchmark von Harvey belegt es Berichten zufolge den ersten Platz.

Bild zeigt die Leistung von Grok 4.5, das von Cursor AI und SpaceXAI gemeinsam trainiert wurde, in mehreren Benchmarks. Die Tabelle listet Punktzahlen für Tests wie Terminal Bench 2.1, SWE Bench Multilingual, DeepSWE 1.0 und SWE Bench Pro auf, bei denen Grok 4.5 83,3%, 78,0%, 62,0% bzw. 64,7% erreicht. Es werden auch die Punktzahlen von Modellen wie Opus 4.8, GPT-5.5, Composer 2.5 und Fable 5 verglichen. Die Grafik steht in direktem Zusammenhang mit dem Kontext und veranschaulicht die Leistung von Grok 4.5 in verschiedenen Benchmarks, was die Beschreibung der Leistung von Grok 4.5 in Kern-Engineering-Benchmarks im Dokument unterstützt.

Die Schlussfolgerung des Artikels ist klar: Grok 4.5 ist stark, aber Claude Fable scheint in einigen anspruchsvolleren Bewertungen immer noch die Spitzenposition einzunehmen.

Das macht Grok 4.5 aus einem anderen Grund interessant. Es mag nicht

Sei das absolute Spitzenmodell. Aber es könnte eines der stärksten Modelle sein, wenn man Leistung pro Dollar, Leistung pro Sekunde und Tokens pro gelöster Aufgabe vergleicht.

Der wahre Vorteil: Schnell und günstig

Das stärkste Verkaufsargument von Grok 4.5 ist die Kosteneffizienz.

Das Modell soll mit etwa 80 Tokens pro Sekunde laufen, was xAI als Geschwindigkeit eines schnellen Modells bezeichnet. Der Artikel stellt dies als einen entscheidenden Unterschied zu langsameren High-End-Überlegungsmodellen dar. Wenn ein Modell sowohl leistungsfähig als auch schnell ist, wird es für die tägliche Ingenieursarbeit praktischer – nicht nur für einmalige, schwierige Aufgaben.

Außerdem verbraucht es bei Benchmarks für Ingenieursaufgaben weniger Ausgabe-Tokens. Im SWE Bench Pro löst Grok 4.5 Aufgaben Berichten zufolge mit durchschnittlich 15.954 Ausgabe-Tokens, während Opus 4.8 bei derselben Aufgabenklasse etwa 67.020 Ausgabe-Tokens benötigt.

Das ist die berühmte Behauptung der 4,2× weniger Tokens.

Bild zeigt einen Vergleich der durchschnittlichen Ausgabe-Token-Anzahl von Grok 4.5 und Opus 4.8 bei SWE Bench Pro Aufgaben. Die horizontale Achse zeigt die Token-Anzahl von 0 bis 70k. Grok 4.5 hat durchschnittlich 15.954 Ausgabe-Tokens, dargestellt durch einen roten Punkt; Opus 4.8 (max) hat durchschnittlich 67.020 Ausgabe-Tokens, dargestellt durch einen grauen Punkt. Eine gestrichelte Linie und Text kennzeichnen, dass Grok 4.5 4,2-mal weniger Tokens als Opus 4.8 benötigt, was den im Dokument erwähnten „4,2× fewer tokens“ entspricht.

Die Preisgestaltung ist ein weiterer großer Punkt:

Modell / Variante Eingabepreis Ausgabepreis Anmerkungen
Grok 4.5 2 $ / 1 Mio. Tokens 6 $ / 1 Mio. Tokens Basisversion, beschrieben in der offiziellen Veröffentlichung
Schnellere Grok 4.5-Variante 4 $ / 1 Mio. Tokens 18 $ / 1 Mio. Tokens Im Artikel erwähnte Premium-Variante mit höherer Geschwindigkeit
Opus 4.8 Vergleich Höher in vielen Vergleichen Höher in vielen Vergleichen Wird im Artikel als Referenzpunkt verwendet
GPT-5.5 Vergleich Höher in vielen Vergleichen Höher in vielen Vergleichen Wird im Artikel als Referenzpunkt verwendet

Die praktische Schlussfolgerung ist einfach: Wenn ein Engineering-Agent wiederholt lesen, schreiben, testen und iterieren muss, werden die Token-Kosten zu einer wesentlichen Produkteinschränkung. Grok 4.5 wurde entwickelt, um diese Schleife günstiger zu machen.

Bild zeigt einen Tweet von xAI-CEO Eric Jiang auf Twitter. Er schreibt, dass Grok 4.5 sein Standardmodell für alle Programmierarbeiten sei, er es sehr liebe und es als hochmoderne Intelligenz zu einem vernünftigen Preis bezeichne. Der Tweet vergleicht außerdem die Eingabe- und Ausgabepreise der drei Modelle Grok 4.5, GPT 5.6 und Opus 4.8. Grok 4.5 kostet 2 $/1 Mio. Tokens bei der Eingabe und 6 $/1 Mio. Tokens bei der Ausgabe; GPT 5.6 kostet 5 $/1 Mio. Tokens bei der Eingabe und 30 $/1 Mio. Tokens bei der Ausgabe; Opus 4.8 kostet 5 $/1 Mio. Tokens bei der Eingabe und 25 $/1 Mio. Tokens bei der Ausgabe. Der Tweet stimmt mit den im Dokument hervorgehobenen Vorteilen von Grok 4.5 in Bezug auf Kosteneffizienz und Token-Effizienz überein.

Mit einem einzigen Prompt erstellt: Das Three.js Sonnensystem-Demo

Der ursprüngliche Artikel hebt ein Ein-Prompt-Demo hervor, bei dem Grok 4.5 eine Sonnensystem-Simulation mit Three.js erstellt.

Der Prompt fordert eine schöne Universums- und Sonnensystem-Simulation mit einstellbarer Zeit, realistischer Bewegung, Umlaufbahnen, Sternen und einem modernen HUD. Die Ausgabe umfasst eine browserbasierte Simulation mit Planetenbewegung, Zeitraffer, Steuerung, Beschriftungen und einer gestalteten Oberfläche.

Bild zeigt die von Grok 4.5 generierte Sonnensystem-Simulationsoberfläche. Oben steht der Titel „Solar system“, links das Label „Cosmos“ mit Informationen zu Planeten wie Merkur. Die Sonne befindet sich auf der rechten Seite, umgeben von Merkur, Venus, Erde und anderen Planeten. Unten gibt es Steuerungsoptionen wie „Orbits“, „Labels“, „Stars“ und „Trails“ zum Anpassen von Zeit und Geschwindigkeit. Die Oberfläche wirkt insgesamt modern und stimmt mit der im Dokument beschriebenen, mit Three.js erstellten Sonnensystem-Simulation überein, was die Fähigkeiten von Grok 4.5 in den Bereichen visuelles Layout, Animationslogik und interaktive Steuerung demonstriert.

aliyuncs.com/cms-assets/image/2026/07/3a876f29-3629-4a70-8d27-339076f464da-09-520ff31e-7006-4e98-bbaf-43a66b9edad1.gif)

Diese Art von Demo ist wichtig, weil sie mehr als nur die Syntax von Code prüft. Ein gutes Front-End-Generierungsmodell muss Folgendes kombinieren können:

  • Visuelles Layout
  • Animationslogik
  • Interaktive Steuerungen
  • Zustandsverwaltung
  • UI-Feinschliff
  • Domänenspezifische Details
  • Browser-Kompatibilität

Eine einzelne Demo beweist nicht, dass ein Modell produktionsreif ist, aber sie zeigt, warum Entwickler darauf achten. Grok 4.5 scheint stark darin zu sein, breite, produktartige Prompts in vollständige, funktionierende Artefakte zu verwandeln.

Echte Benutzertests

Der Artikel sammelte auch frühe Benutzertests aus der Community.

Ein Beispiel zeigt, wie Grok 4.5 eine Minecraft-ähnliche Szene generiert. Ein anderes zeigt, wie es eine polierte SaaS-Landingpage in einer einzigen HTML-Datei erstellt. Es gibt auch Beispiele für 2D- und 3D-Designarbeit, App-Layout-Generierung und einfache Workflows zur Spieleentwicklung.

Das Bild zeigt eine von Grok 4.5 generierte Minecraft-ähnliche Szene. Im Bild ist eine Struktur aus braunen Blöcken zu sehen, die oben mit gelben Elementen verziert ist. Der Hintergrund besteht aus grünem Gras und Bäumen, im Hintergrund sind schwarze, blockartige Objekte zu erkennen. Dieses Bild bezieht sich auf den Abschnitt „Echte Benutzertests" im Dokument und dient als Beispiel für einen echten Benutzertest, bei dem Grok 4.5 eine Minecraft-ähnliche Szene generiert hat. Es zeigt die Fähigkeit des Modells, Szenen im Minecraft-Stil zu erzeugen.

Dieses Bild zeigt das Ergebnis, das vom xAI-Modell Grok 4.5 generiert wurde. Links ist der Interaktionsdialog mit dem Modell zu sehen, in dem der Benutzer Anweisungen zur Generierung einer modernen SaaS-Landingpage gegeben hat. Das Modell hat mit einer kreativen Idee, Codegenerierungsinhalten und Projektbauinformationen geantwortet. Rechts ist das fertige Landingpage-Ergebnis des Modells zu sehen. Die Seite hat einen schlichten, beigen Hintergrund, die Hauptüberschrift lautet „The desk where thinking gets published.", wobei „thinking" in Orange hervorgehoben ist. Die Seite trägt auch das Logo „CODEX" und wird als ein für moderne Teams entwickeltes Redaktionsbetriebssystem beschrieben. Diese Ergebnisse veranschaulichen die Fähigkeit von Grok 4.5, vollständige SaaS-Landingpages zu generieren, wie im obigen Text erwähnt.

Das Bild zeigt die Oberfläche der 3D Dream-Plattform. Links ist der Szenenanzeigebereich, der ein Ein-Schlafzimmer-Hausmodell mit Möbeln, umgeben von Bäumen und einem Zaun, darstellt. Rechts ist der Bereich für Hauseigenschaften und Erstellungsoptionen. Er zeigt, dass das Haus 1 Schlafzimmer und mehrere Räume hat, und die Option, neue Räume zu erstellen, ist verfügbar. Unten befindet sich ein Button mit der Aufschrift „Ask AI to change your home...". Dieses Bild bezieht sich auf den Abschnitt „Echte Benutzertests" im Dokument und veranschaulicht Beispiele für 2D- und 3D-Designarbeit, wie z. B. die Generierung von Hausmodellen mit Möbeln durch die 3D Dream-Plattform. Es zeigt die Anwendungsergebnisse von Grok 4.5 in echten Benutzertests.

Die Ergebnisse sind nicht durchweg perfekt. Der Artikel erwähnt auch Kritik von einigen Entwicklern, die der Meinung waren, dass Grok 4.5 bei bestimmten visuellen oder kreativen Codierungstests nicht mit Opus 4.7 mithalten konnte, einschließlich einer Aufgabe zur Generierung eines Lavalampen-Stils, die schlecht abschnitt.

Diese Kritik ist nützlich. Sie hält die Bewertung realistisch. Ein Modell kann hervorragend im agentischen Codieren sein und dennoch bei einigen ästhetischen, physikalischen Simulations- oder visuellen Detailaufgaben versagen.

Warum Cursor-Daten wichtig sind

Curors Rolle bei Grok 4.5 ist einer der wichtigsten Teile der Veröffentlichung.

Der Cursor-Blog beschreibt Grok 4.5 als ein Modell, das zusammen mit xAI trainiert und für mehr als nur Softwareentwicklung konzipiert wurde. Das Training umfasste Billionen von Token an Cursor-Daten, die erfassen, wie Entwickler mit Codebasen, Tools und KI-Agenten interagieren.

Das ist eine andere Art von Signal als statischer Code. Statischer Code lehrt ein Modell das Endergebnis. Daten über die Interaktion zwischen Entwickler und Agent lehren den Prozess:

  1. Wie ein Entwickler eine Aufgabe beschreibt.
  2. Wie ein Agent eine Codebasis durchsucht.
  3. Welche Dateien zuerst überprüft werden.
  4. Wie Fehler diagnostiziert werden.
  5. Wie Tools verwendet werden.
  6. Wie

agent erholt sich nach einem fehlgeschlagenen Versuch.
7. Wie die endgültige Änderung überprüft wird.

Für Codierungsagenten kann dieses Workflow-Signal genauso wichtig sein wie reines Codierungswissen.

Was Grok 4.5 für KI-Codierungsagenten bedeutet

Die Veröffentlichung deutet darauf hin, dass KI-Codierungsmodelle auf drei praktische Ziele hinarbeiten:

1. Langfristige Ausführung

Modelle müssen Aufgaben bewältigen, die viele Schritte erfordern, nicht nur kurze Prompt-Response-Interaktionen. Dazu gehören Planen, Suchen, Bearbeiten, Testen und das Beheben von Fehlern.

2. Niedrigere Kosten pro gelöster Aufgabe

Teams kümmern sich um die endgültigen Kosten für die Lösung einer Aufgabe, nicht nur um den Preis des Modells pro Token. Wenn ein Modell deutlich weniger Tokens benötigt, um eine Lösung zu finden, kann es günstiger sein, selbst wenn sein Schlagzeilenpreis ähnlich aussieht.

3. Werkzeugbewusstes Verhalten

Moderne Codierungsagenten leben in Werkzeugumgebungen. Sie müssen Terminals, Editoren, Browser, Issue-Tracker, Dateibäume und Build-Systeme verstehen. Ein Modell, das mit echten Entwickler-Agenten-Interaktionsdaten trainiert wurde, könnte hier einen Vorteil haben.

Erste Schritte mit Grok 4.5

Die offizielle xAI-Veröffentlichung besagt, dass Grok 4.5 über Grok Build, Cursor und die xAI API-Konsole verfügbar ist. Die offizielle Seite bietet auch ein einfaches API-Beispiel.

curl -s https://api.x.ai/v1/responses \
  -H "Authorization: Bearer $XAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-4.5",
    "input": "Find and fix the bug, then explain it: function median(a){a.sort();return a[a.length/2]}"
  }'

Die ursprünglichen Versionshinweise erwähnen auch, dass Grok 4.5 zum Start noch nicht in der EU verfügbar war, die Verfügbarkeit in der EU wird jedoch für später erwartet. Wenn Sie es über die API oder in einem Produkt verwenden möchten, überprüfen Sie immer die aktuelle xAI-Dokumentation und die Preisseite, bevor Sie darauf aufbauen.

Beste Anwendungsfälle

Basierend auf dem Artikel und der offiziellen Rahmung der Veröffentlichung ist Grok 4.5 besonders relevant für:

  • KI-Codierungsagenten
  • Erkundung großer Codebasen
  • Fehlerbehebung und Refactoring
  • Terminal-intensive Workflows
  • Lang laufende agentische Aufgaben
  • Generierung von Frontend-Prototypen
  • Generierung von Three.js- oder interaktiven Demos
  • Forschungsintensive Wissensarbeit
  • Datenwissenschaft und technische Analyse
  • Office-Dokument- und Tabellenkalkulations-Workflows über Grok Build

Es ist nicht unbedingt die beste Wahl für jeden Anwendungsfall. Für risikoreiche Produktionsänderungen, rechtliche Ausgaben, Finanzberatung oder sensible Kundenarbeit benötigen Teams weiterhin Überprüfung, Validierung und menschliche Freigabe.

Praktische Bewertungs-Checkliste

Wenn Sie Grok 4.5 für Ihren eigenen Workflow testen möchten, verlassen Sie sich nicht nur auf öffentliche Demos.

Verwenden Sie reale Aufgaben aus Ihrem eigenen Team und vergleichen Sie sie mit Ihrer aktuellen Modelleinrichtung. Eine praktische Bewertung sollte Folgendes umfassen:

  1. Korrektheit: Hat es die eigentliche Aufgabe gelöst?
  2. Token-Nutzung: Wie viele Tokens hat es verwendet, um zur Antwort zu gelangen?
  3. Latenz: Wie lange hat der Workflow gedauert?
  4. Werkzeugnutzung: Hat es die richtigen Dateien, Befehle und Referenzen verwendet?
  5. Erholung: Hat es Fehler nach Testfehlern behoben?
  6. Überprüfungsaufwand: War die Ausgabe einfach zu überprüfen?
  7. Kosten pro akzeptiertem Ergebnis: Wie viel hat das endgültig genehmigte Ergebnis gekostet?
  8. Fehlerfälle: Wo hat es halluziniert, übermäßig bearbeitet oder zu wenig überprüft?

Das beste Modell ist nicht

Immer die mit der höchsten Benchmark-Punktzahl. Für viele Teams ist das beste Modell dasjenige, das akzeptierte Arbeit zu den niedrigsten zuverlässigen Kosten erledigt.

Nicht die endgültige Obergrenze

Der Artikel endet mit der Anmerkung, dass Musk eine weitere sprunghafte Verbesserung im nächsten Monat angedeutet hat.

Die Botschaft ist, dass Grok 4.5 möglicherweise nicht das endgültige "den Tisch umwerfende" Modell ist. Es könnte ein starker Zwischenschritt sein: nicht das absolut stärkste Modell, aber eines, das Engineering-Intelligenz auf Spitzenniveau billiger und schneller nutzbar macht.

Das Bild zeigt einen Tweet von Elon Musk auf der X-Plattform, veröffentlicht vor 2 Stunden. Der Tweet lautet: „Grok versteht sich auf Engineering. Die Veröffentlichung im nächsten Monat wird eine weitere bahnbrechende Verbesserung bringen, da wir den Kreis bei der Lösung realer technischer Probleme von Tesla, SpaceX, Neuralink und der Boring Company schließen.“ Das Bild steht in engem Zusammenhang mit dem Kontext, in dem Musk eine weitere große Verbesserung im nächsten Monat andeutet. Der Tweet im Bild erläutert weiter, wie diese Verbesserung den Kreis bei der Lösung realer technischer Probleme schließen wird, und deutet an, dass Grok 4.5 möglicherweise nicht das endgültige „alles umwerfende“ Modell ist, sondern eine wirtschaftlichere und effizientere Zwischenstufe darstellt.

Das könnte ausreichen, um den Wettbewerb zu verändern. Wenn Intelligenz wie Strom abgerechnet wird, ist der Gewinner nicht nur das Modell mit der höchsten Spitzenpunktzahl. Es könnte das Modell sein, das in realen Arbeitsabläufen kostengünstig, schnell und wiederholt starke Schlussfolgerungen liefern kann.

FAQ

Was ist Grok 4.5?

Grok 4.5 ist xAIs Flaggschiffmodell für Codierung, agentische Aufgaben und Wissensarbeit. Es wird als das bisher stärkste Modell des Unternehmens präsentiert und wurde in Zusammenarbeit mit Cursor trainiert.

Ist Grok 4.5 stärker als Opus 4.8 oder GPT-5.5?

Nicht in jeder Metrik. Der ursprüngliche Artikel berichtet, dass Grok 4.5 in mehreren Engineering-Benchmarks nahe an GPT-5.5 und Opus 4.8 herankommt, aber Claude Fable führt immer noch bei einigen Top-Bewertungen. Der Hauptvorteil von Grok 4.5 ist die Kombination aus Geschwindigkeit, Kosten und Token-Effizienz.

Wie viel kostet Grok 4.5?

Die offizielle Veröffentlichung listet Grok 4.5 mit 2 $ pro Million Input-Tokens und 6 $ pro Million Output-Tokens. Eine schnellere Premium-Variante wird ebenfalls mit 4 $ pro Million Input-Tokens und 18 $ pro Million Output-Tokens genannt. Überprüfen Sie vor dem produktiven Einsatz immer die aktuelle xAI-Preisseite.

Worin ist Grok 4.5 gut?

Es ist für Codierung, Softwareentwicklung, agentische Aufgaben und Wissensarbeit konzipiert. Der Artikel hebt die Benchmark-Leistung bei SWE Bench Pro, Terminal Bench 2.1 und DeepSWE hervor, sowie Beispiele zur Frontend-Generierung, Three.js-Demos und spielähnlichen Prototypen.

Warum ist Cursor für Grok 4.5 wichtig?

Cursor hat mit xAI an Grok 4.5 zusammengearbeitet, und das Training umfasste große Mengen an Cursor-Interaktionsdaten. Diese Daten spiegeln wider, wie Entwickler mit Codebasen, Tools und Agenten arbeiten, was dem Modell helfen könnte, in realen Softwareentwicklungs-Workflows besser abzuschneiden.

Was bedeutet „4,2× weniger Tokens“?

Der Artikel berichtet, dass Grok 4.5 bei SWE Bench Pro-Aufgaben durchschnittlich 15.954 Output-Tokens verwendete, verglichen mit 67.020 Output-Tokens bei Opus 4.8. Das bedeutet, dass Grok 4.5 Berichten zufolge ähnliche Aufgaben mit weitaus weniger generierten Tokens löste, was Kosten und Latenz reduzierte.

Kann ich Grok 4.5 über eine API nutzen?

Ja. Die offizielle xAI-Veröffentlichung besagt, dass Grok 4.5 über die xAI-API-Konsole verfügbar ist. Die Veröffentlichung enthält auch einen Beispiel-curl-Befehl, der den responses-Endpunkt und den Modellnamen grok-4.5 verwendet.

Ist Grok 4.5 in Cursor verfügbar?

Ja. In Cursors offizieller Ankündigung heißt es, dass Grok 4.5 in Cursor auf Desktop, Web, iOS, CLI und SDK verfügbar ist. Cursor weist zudem darauf hin, dass die Einzel- und Teampläne die Nutzung des Modells als Teil des First-Party-Modellpools beinhalten.

Verwandte Tools

  • Grok: Die Verbraucherschnittstelle von xAI zur Nutzung der Grok-Modelle.
  • xAI API Console: Die offizielle Konsole zum Erstellen von API-Schlüsseln und zum Entwickeln mit xAI-Modellen.
  • xAI Dokumentation: Offizielle Dokumentation für den Zugriff auf xAI-Modelle, die API-Nutzung und die Entwicklerintegration.
  • Cursor: Ein KI-Code-Editor und eine Agenten-Entwicklungsumgebung, die Grok 4.5 unterstützt.
  • Cursor Dokumentation: Offizielle Dokumentation für Cursors Editor, Agenten, CLI, Web und Workflow-Funktionen.
  • Three.js: Eine JavaScript-3D-Bibliothek, die in der im Grok-4.5-Release hervorgehobenen Sonnensystem-Demo verwendet wird.

Verwandte Links

  • xAI Grok 4.5 Ankündigung: Offizielle xAI-Release-Seite mit Vorstellung von Grok 4.5, Benchmarks, Preisen, Beispielen und API-Zugriff.
  • Cursor Grok 4.5 Ankündigung: Cursors offizieller Artikel, der die Zusammenarbeit mit xAI und die Verfügbarkeit von Grok 4.5 in Cursor erläutert.
  • xAI Models Dokumentation: Offizielle Modelldokumentation für xAI-Entwickler.
  • xAI Preise: Offizielle Preisseite für den Zugriff auf xAI-Modelle und entsprechende Pläne.
  • xAI API Console: Offizielle API-Konsole zum Erstellen von Schlüsseln und Starten der API-Entwicklung.
  • Cursor Preise: Offizielle Preisseite von Cursor für Einzel- und Teampläne.
  • Three.js Dokumentation: Offizielle Dokumentation zum Erstellen browserbasierter 3D-Szenen wie der Sonnensystem-Demo.

Zusammenfassung

Grok 4.5 wird als schnelles, kosteneffizientes Modell für Programmierung, agentische Workflows und Wissensarbeit präsentiert. Es erzielt gute Leistungen in Engineering-Benchmarks, profitiert von Cursor-Kollaborationsdaten und benötigt bei SWE-Bench-Pro-Aufgaben weitaus weniger Ausgabe-Tokens als einige führende Modelle.

Der größte Wert liegt nicht darin, dass es jedes Modell in allen Bereichen übertrifft. Viel wichtiger ist, dass es wettbewerbsfähige Intelligenz mit geringerem Tokenverbrauch, schnellerer Inferenz und aggressiver Preisgestaltung kombiniert.

Für Teams, die KI-Programmieragenten entwickeln, ist diese Kombination entscheidend. Kosten pro akzeptierter Aufgabe, Prüfungsaufwand, Werkzeugnutzung und Fehlerbehebung können wichtiger sein als ein einzelner Ranglistenwert.

Die wahre Botschaft von Grok 4.5 ist einfach: Das nächste Modellrennen dreht sich nicht nur darum, wer am klügsten ist, sondern darum, wer nützliche Intelligenz schneller und günstiger liefern kann.

Grok 4.5: xAI’s Fast, Low-Cost Coding and Agent Model Explained