Grok 4.5: SpaceXAI liefert plötzlich ein ernsthaftes Coding-Modell
Fast Frontier-Niveau bei Benchmarks, ein Bruchteil der Kosten und eine überraschend ehrliche Panne. Was das neue Modell kann und wo es an Grenzen stösst.
SpaceXAI galt zuletzt eher als GPU-Händler denn als ernsthafter Modell-Anbieter. Mit Grok 4.5 ändert sich das schlagartig. Das Modell spielt bei Coding-Benchmarks fast ganz vorne mit und kostet dabei nur einen Bruchteil der Konkurrenz.
Grok 4.5 ist laut SpaceXAI das bisher stärkste Modell des Hauses, gebaut für Coding, agentische Aufgaben und Wissensarbeit. Trainiert wurde es gemeinsam mit Cursor, auf Zehntausenden NVIDIA GB300 GPUs, mit starkem Fokus auf Datenqualität statt roher Token-Menge. Das RL-Training umfasste Hunderttausende Aufgaben, zentriert auf mehrstufige Software-Entwicklung.
Die Zahlen sind kein Marketing-Nebel. Bei DeepSWE 1.0 landet Grok 4.5 auf Platz drei hinter Fable und GPT 5.5, deutlich vor Opus 4.8. Bei Terminal Bench 2.1 liegen alle drei praktisch gleichauf. Und beim SWE Marathon führt Grok 4.5 das Feld sogar an.
| Modell | DeepSWE 1.0 | Terminal Bench 2.1 |
| Fable (max) | 66.1% | 84.3% |
| GPT 5.5 (xhigh) | 64.31% | 83.4% |
| Grok 4.5 | 62.0% | 83.3% |
| Opus 4.8 (max) | 55.75% | 78.9% |
Das eigentliche Argument ist aber der Preis. 2 Dollar pro Million Input-Tokens, 6 Dollar pro Million Output-Tokens. Fable verlangt 10 und 50 Dollar. Dazu kommt eine Token-Effizienz, die alles andere alt aussehen lässt: Grok 4.5 löst SWE Bench Pro Aufgaben mit durchschnittlich rund 16'000 Output-Tokens, Opus 4.8 braucht über 67'000. Das ist gut viermal weniger, bei 80 Tokens pro Sekunde Ausgabegeschwindigkeit.
Ein Wermutstropfen beim Preis: Ab 200'000 Tokens Kontext verdoppeln sich die Kosten, bei maximal 500'000 Tokens Kontextfenster. Für dieses vergleichsweise kleine Plus an Kontext das Doppelte zu verlangen, wirkt gesucht. Trotzdem bleibt das Modell auch dann günstiger als die direkte Konkurrenz.
Bemerkenswert ist die Transparenz bei einer echten Panne. Ein früherer Snapshot des Cursor-Codebestands landete unbeabsichtigt in den Trainingsdaten. Damit ist der hauseigene Cursor Bench für Grok 4.5 wertlos, und Cursor kommuniziert das offen, statt mit dem verzerrten Resultat zu werben. Das verdient Respekt. Fehler passieren, entscheidend ist der Umgang damit.
Wie schlägt sich das Modell in der Praxis? Ein Entwickler mit 24 Stunden Frühzugang berichtet von einem Security-Audit an seinem Cloud-Produkt kurz vor dem Launch: Das Modell analysierte Pull Requests, benannte präzise, was gelöst war und was nicht, erstellte in einem einzigen Durchlauf zwei separate PRs, arbeitete Review-Kommentare ab und setzte sogar Änderungswünsche aus einem simplen Screenshot korrekt um. Selbst bei absichtlich schlampigen Anweisungen blieb es auf Kurs, wo andere Modelle sich an alten Nachrichten festbeissen.
Preis-Leistung
Rund 31 Cent pro Aufgabe im Artificial-Analysis-Testfeld, gegenüber 2.75 Dollar bei Fable. Bei einem Intelligence-Index-Score von 54 und Platz vier insgesamt.
Überraschung 3D
Beim Umbau eines 2D-Spiels in 3D mit three.js modellierte Grok 4.5 Umgebung und Kreaturen besser als jedes bisher getestete Modell. Nicht perfekt, aber erstmals brauchbar.
Schwäche Orchestrierung
Bei der Delegation an Sub-Agenten fehlt die Finesse der neuesten Generation. Das Modell blieb teils in hängenden Prozessen stecken und räumte danach nicht sauber auf.
Nicht überall stark
In einzelnen Reasoning-Benchmarks schnitt es als schwächstes Frontier-Modell ab und war dabei relativ teuer, weil es sehr ausgiebig nachdenkt.
Die ehrlichste Einordnung liefert eine Gaming-Analogie aus dem Testbericht: Grok 4.5 ist das beste PS2-Spiel aller Zeiten, zwei Monate nachdem die PS3 erschienen ist. Es erreicht nicht ganz die Orchestrierungs-Fähigkeiten von Fable oder GPT 5.6. Aber was hier aus der vorherigen Technologie-Generation herausgeholt wurde, ist beachtlich.
Verfügbar ist Grok 4.5 ab sofort in Grok Build, in Cursor auf allen Plänen und über die SpaceXAI API. In der EU ist das Modell noch nicht erhältlich, die Freigabe wird für Mitte Juli erwartet.
Endlich wieder Wettbewerb
Grok 4.5 ist kein Fable-Killer. Es ist etwas Wichtigeres: ein sehr gutes, sehr günstiges Standard-Modell für Coding, das OpenAI und Anthropic beim Preis unter Druck setzt. Wenn das Resultat schnellere, günstigere und bessere Modelle für alle ist, gewinnen am Ende wir Nutzer. Und genau darum geht es.