Was Grok 4.5 wirklich ist
Grok ist xAIs Assistent- und API-Plattform, und 4.5 ist das neueste Flaggschiff in dieser Reihe. xAIs eigene Doku beschreibt es als „SpaceXAIs Frontier-Modell für Coding, agentische Aufgaben und Wissensarbeit" (das Unternehmen schreibt seinen Namen inzwischen als „SpaceXAI" auf all seinen Plattformen, auch wenn das Modell weiterhin schlicht Grok heißt). In der Modellübersicht führen sie mit drei Worten an, für wen es gedacht ist: „agentischer Tool-Einsatz, minimale Halluzinationen, konfigurierbares Reasoning."
Ein paar Dinge sind neu gegenüber der Grok-4-Reihe:
- Ein 500K-Token-Kontextfenster, das die Modellseite bestätigt, mit einem höheren Satz oberhalb der 200K-Schwelle. Das entspricht ungefähr einem kleinen Buch an Kontext in einer einzigen Anfrage.
- Konfigurierbares Reasoning über eine
reasoning_effort-Einstellung mit niedrig, mittel und hoch (hoch ist der Standard), sodass Sie Latenz gegen Tiefe pro Aufruf abwägen können. - Minimale Halluzinationen als explizite Design-Behauptung, die xAI in den Vordergrund stellt, statt sie in einer Fußnote zu verstecken.
- Multimodaler Input, der laut Modell-Detailseite Text und Bilder aufnimmt und Text zurückgibt.
- Serverseitig eingebaute Tools, darunter Function Calling, Websuche, X-Suche und Codeausführung direkt über die API.
Es ist bereits am ersten Tag an vielen Orten verfügbar: über die xAI-API, als Standardmodell in xAIs Grok-Build-Coding-Agenten, in Cursor, als Standard in den Microsoft-Office-Add-ins und über Gateways wie OpenRouter und Vercel. Der EU-API-Zugang war die einzige Lücke beim Launch und wurde als „für später diesen Monat erwartet" gelistet.
Wenn Sie unsere Einschätzung zu Anthropics Claude-Updates für den Support gelesen haben, kommt Ihnen das Muster hier bekannt vor: ein starkes Coding-und-Agenten-Modell, konkurrenzfähig bepreist, das in einem Markt landet, in dem sich das Leaderboard alle paar Wochen neu sortiert.
Die Benchmarks: Hype gegen die tatsächliche Platzierung
Hier winkt ein Hype-Artikel normalerweise ab. Ich lasse das. Die untenstehenden Zahlen sind Artificial Analysis' unabhängige Messungen von Grok 4.5 (hoch), was eine sauberere Quelle ist als jedes Launch-Tag-Diagramm des Anbieters.
Hier die ehrliche Lesart des Artificial-Analysis-Scorecards:
- Intelligence Index: 54, Platz 4 von 168. Es liegt knapp hinter Claude Fable 5 (60), Claude Opus 4.8 (56) und GPT-5.5 (55) und gleichauf mit Claude Opus 4.7 (54). Das liegt deutlich über dem Klassendurchschnitt von rund 29, also ist Platz 4 ein sehr gutes Ergebnis, nur nicht Platz 1.
- Agentischer Tool-Einsatz: 33 %, der beste Wert unter allen aufgeführten Modellen, vor GPT-5.5 und Claude Sonnet 4.6. Das ist Grok 4.5s echtes Alleinstellungsmerkmal, und für die Support-Automatisierung ist es die relevanteste Zahl auf der Seite.
- GPQA Diamond (wissenschaftliches Reasoning): 93 %, in der Spitzengruppe.
- Terminal-Bench (agentisches Coding): 82 %, Platz fünf, hinter den Top-Claude- und GPT-Releases.
- Geschwindigkeit: 85,6 Output-Tokens pro Sekunde, schneller als der Durchschnitt von rund 73 und auffällig knapp in dem, wie viel es generiert.
Die Lücke zwischen Hype und Scorecard ist es wert, benannt zu werden. Beim Launch nannte es Cursors CEO ein „Opus-Klasse-Modell", das „schnell und günstig" sei, was fair ist, auch wenn man bedenken sollte, dass Cursor das Modell mitgelauncht hat. Die unabhängigen Zahlen platzieren es eine Nuance unter Opus 4.8 bei roher Intelligenz und klar auf der Kosten-Leistungs-Grenze. Die nüchterne Version lautet also: Opus-Klasse-Intelligenz pro Dollar, nicht Opus-schlagende Intelligenz. Für die meisten Käufer ist Pro-Dollar die Zahl, die tatsächlich zählt.
Wie viel Grok 4.5 kostet
Grok 4.5 ist darauf ausgelegt, zu unterbieten, und das gelingt größtenteils. Hier das vollständige Bild aus xAIs Preisdokumentation und der Modellseite.
| Plan | Was es ist | Input | Output | Anmerkungen |
|---|---|---|---|---|
| Grok 4.5 API | Pay-as-you-go-Tokens | $2.00 / 1M | $6.00 / 1M | Gecachter Input 0,50 $ / 1M (−75 %); 500K Kontext; höherer Satz über 200K |
| Grok (kostenlos) | Consumer-App | - | - | Begrenzte tägliche Nutzung auf grok.com, X, iOS, Android |
| SuperGrok | Consumer-Abo | - | - | ~30 $/Monat für höhere Limits (Preisangabe community-berichtet, nicht auf einer Primärseite bestätigt) |
| SuperGrok Heavy | Höchste Consumer-Stufe | - | - | ~300 $/Monat (community-berichtet; grok.com zeigt keinen bestätigenden Preistext) |
Die API-Zahl ist die, an der man sich orientieren sollte, weil sie in xAIs eigener Doku bestätigt ist. Bei 2 $ Input und 6 $ Output ist Grok 4.5 günstiger als die meisten Frontier-Konkurrenten, während es in deren Nachbarschaft punktet, und das ist das ganze Pitch. Auf Hacker News fasste ein Kommentator die Reaktion nüchtern zusammen:
„Ziemlich anständig, vergleichbar mit einigen älteren Opus-Modellen, und ziemlich günstig pro Token."
Günstig pro Token stimmt, aber genau da geht ein Großteil der KI-Support-Rechnung schief. Der Token-Preis ist nicht dasselbe wie die Kosten pro gelöstem Ticket. Ein knappes Modell, das in einem sauberen Zug antwortet, kann in der Praxis günstiger sein als ein „günstigeres" Modell, das sich im Kreis dreht, wiederholt und eskaliert. Wir haben diesen Faden in wie viel ein KI-Support-Agent kostet auseinandergenommen, und die Kurzfassung ist: Die Einheit, nach der Sie preisen sollten, ist ein gelöstes Gespräch, nicht eine Million Tokens.
Was die Leute wirklich sagen
Da Grok 4.5 erst wenige Stunden alt ist, konzentriert sich die überprüfbare Diskussion auf Hacker News und X statt auf die üblichen Review-Seiten. Die Stimmung teilt sich in drei klare Lager.
Die Fans mögen die Intelligenz pro Dollar. Artificial Analysis stellte fest, dass es „mit 54 Punkten auf Platz vier landet", während es kostenmäßig „klar auf der Pareto-Grenze" liegt.
Die Skeptiker sind unverblümt, und ihre Kritik betrifft weniger die Fähigkeit als das Vertrauen in einem Geschäftsumfeld:
„Ich glaube einfach nicht, dass ich je einem xAI-Modell vertrauen kann, wenn ich weiß, dass sie aktiv versuchen, dessen Antworten an eine politische Erzählung anzupassen. Wie kann man ihren Modellen in einem Geschäftsumfeld vertrauen, wenn man weiß, dass sie im Hintergrund herumgeschubst werden?"
Es gibt im selben Thread einen fairen Gegeneinwand von jemandem, der es getestet hatte:
„Grok war in den meisten meiner Tests POLITISCH KORREKTER als GPT und Gemini... auf grok.com oder in der App ist Grok sehr zahm. Ich würde sogar sagen: langweilig zahm."
Und dann gibt es das Reality-Check-Lager, das den Coding-Pitch von Hand testet statt über ein Leaderboard:
„So merkwürdig, einen ganzen Beitrag zu schreiben, in dem Claude durchweg die besten Ergebnisse liefert und Grok durchweg die schlechtesten, aber Grok zum Sieger zu erklären, weil es wenigstens am schnellsten das schlechteste Ergebnis lieferte?"
Zusammengenommen liest sich die Community-Einschätzung als „günstig, schnell, glaubwürdig, unbewiesen und, für manche, schwer zu vertrauen." Der letzte Punkt ist der, bei dem eine Support-Leitung verweilen sollte, denn Vertrauen ist der ganze Job, wenn ein Modell mit Ihren Kunden spricht.
Was ein neues Modell für den Kundensupport ändert (und was nicht)
Hier ist der Teil, der mich am meisten interessiert, denn ich verbringe meine Zeit damit, darüber nachzudenken, wie sich Suchabsicht in echte Kaufanfragen verwandelt, und „sollte ich meine Support-KI auf das neue Modell umstellen?" ist eine Frage, die heute Leute eintippen. Die ehrliche Antwort: Die Modellstufe entscheidet selten darüber, ob KI-Support funktioniert.
Ein Frontier-Modell liefert Ihnen drei Dinge: starkes Reasoning, agentische Tool-Aufrufe und weniger Halluzinationen. Eine Live-Support-Warteschlange braucht vier weitere Dinge, mit denen kein Modell ausgeliefert wird: Antworten, die ausschließlich auf Ihr eigenes Wissen begrenzt sind, konfidenzbasiertes Routing, damit es bei Unsicherheit still bleibt, eine Möglichkeit, gegen Ihre echte Ticket-Historie zu simulieren, bevor es live geht, und saubere Eskalation an einen Menschen. Wir haben die letzten drei-plus Jahre damit verbracht, KI-Agenten auf Live-Support-Warteschlangen einzusetzen, und das Muster ändert sich nie: Sowohl die Erfolge als auch die Katastrophen kommen aus dieser zweiten Liste, nicht aus der ersten.
Nehmen wir „minimale Halluzinationen". Weniger ist besser, und dass Grok 4.5 diesen Anspruch verdient, ist eine gute Nachricht. Aber weniger ist nicht null, und der Fehlermodus in einer Support-Warteschlange ist spezifisch.
Ein Team, mit dem wir zusammengearbeitet haben, eine B2B-Support-Gruppe für Fahrzeug-Telematik auf Zendesk mit rund 200 Tickets im Monat, die auf 2.000 zusteuert, sah zu, wie ihr Bot fröhlich bestätigte, Automarken zu unterstützen, die gar nicht in ihrer Datenbank waren, weil eine Hilfe-Center-Zeile sagte „wir unterstützen alle Modelle." Kein Frontier-Modell behebt das von allein. Es ist ein Problem der Wissensabgrenzung und Konfidenz, und es wird gelöst, indem unsichere Antworten als Entwurf für einen Menschen abgegrenzt werden, statt sie automatisch zu senden. Eine CX-Leitung bei einer DTC-Nahrungsergänzungsmarke brachte das Prinzip besser auf den Punkt, als ich es könnte:
„Die KI wird nie 100 % der Fragen beantworten können. Ich brauche eine KI, die nur die Tickets bearbeitet, bei denen sie sich sicher ist, und alle anderen in Ruhe lässt."
Das ist das ganze Spiel, und es ist ein Workflow-Problem, kein Modell-Problem. Deshalb zählen konfidenzbasiertes Routing und Halluzinations-Schutzmaßnahmen mehr für Ihre Lösungsrate als das Modell darunter. Deshalb ist die Vertrauensbedenken von Hacker News auch ein echtes Kaufsignal: Wenn Sie nicht kontrollieren können, was das Modell tut, können Sie es nicht vor Kunden stellen, egal wie es benchmarkt. Wenn Sie das Wissen, das Routing und den Simulationsschritt selbst besitzen, wird das zugrunde liegende Modell zu einem austauschbaren Teil.
eesel ausprobieren
Wenn Grok 4.5 Sie ins Grübeln bringt, ob Sie Ihren Support-Stack neu aufbauen sollten, ist der bessere Schritt, das Modell zu einem Detail zu machen, das Sie später ändern können, statt zu einer Entscheidung, auf die Sie jetzt wetten müssen. eesel ist die Schicht, die genau das tut: Sie lernt vom ersten Tag an aus Ihren vergangenen Tickets und Hilfe-Dokumenten, begrenzt Antworten ausschließlich auf Ihr eigenes Wissen, routet nach Konfidenz, damit sie bei Unsicherheit still bleibt, und lässt Sie gegen Tausende Ihrer echten historischen Tickets simulieren, bevor sie einem einzigen Kunden antwortet.
So bekommen Teams echte Zahlen statt Leaderboard-Zahlen. Gridwise sah mit eesel im ersten Monat 73 % der Tier-1-Anfragen gelöst, mit sichtbaren Signalen bereits während einer 7-tägigen Testphase. Sie können es an Zendesk, Freshdesk, Gorgias oder Front anbinden, im Entwurfsmodus starten und ihm Autonomie nur bei den Tickets gewähren, die es sich verdient. Das neue Modell ist spannend. Die Infrastruktur ist das, was sich auszahlt. Sie können eesel kostenlos testen, mit 50 $ Nutzungsguthaben und ohne Kreditkarte.
