Grok 4.6 Alternativen: 7 Modelle im Vergleich der Rechnungsform

Warum überhaupt jemand ein so günstiges Modell verlässt

Grok 4.6 ist kein schwaches Modell. Es erreicht 61 Punkte im Artificial Analysis Intelligence Index, gleichauf mit GPT-5.6 Sol und einen Punkt hinter Claude Fable 5, während es nur ein Fünftel von Sols Output-Preis verlangt. Auf dem Papier existiert der Wechselgrund kaum.

Dann setzt man es in der Produktion ein und stößt auf eine von vier Mauern.

Die 200k-Klippe bepreist die gesamte Anfrage neu. Das ist der Punkt, der die meisten überrascht. xAIs Preisseite sagt es unten in der Tabelle unmissverständlich: Modelle mit Long-Context-Preisen berechnen die langen Sätze für alle Tokens einer Anfrage, sobald der Prompt den Schwellenwert überschreitet. Ein Prompt mit 199k kostet also 0,40 $ Input, und einer mit 201k kostet 0,80 $, nicht 0,398 $ plus etwas. Das beworbene Kontextfenster von 500k ist real, aber nur die ersten 200k davon sind so bepreist, wie das Marketing es suggeriert. Die vollständige Preistabelle steht in unserer Aufschlüsselung Grok 4.6 Preise.

Es gibt sieben Zähler, nicht einen. Websuche, X-Suche und Codeausführung kosten 5 $ pro 1.000 Aufrufe. Die Suche in Dateianhängen kostet 10 $ pro 1.000. Collections-Suche, die Retrieval-Variante, kostet 2,50 $ pro 1.000. Dazu kommen Dateispeicher zu 0,025 $ pro GiB und Tag, Collections-Speicher zu 0,10 $, und Downloads zu 0,20 $ pro GiB. Ein Agent, der bei jedem Turn sucht, führt eine zweite Rechnung neben der Token-Rechnung, zusätzlich zur Pro-Token-Zeile, die jeder einplant.

Batch deckt das Flaggschiff nicht ab. xAIs 20%-Batch-Rabatt gilt für grok-4.3 und die drei grok-4.20-Varianten. Grok 4.6, 4.5 und grok-build-0.1 bekommen nichts. Für einen nächtlichen Backfill schneidet das zwei Generationen alte 4.3 im Batch mit der Hälfte des Flaggschiff-Satzes besser ab.

Man kann es nicht über die eigene Cloud kaufen. Azure AI Foundry reicht nur bis Grok-4.3, und Bedrock steht auf derselben Generation. Wenn Ihr Unternehmen Modelle über einen Cloud-Marktplatz beschafft, steht Grok 4.6 dort gar nicht auf der Karte, und kein Benchmark-Argument ändert das. Die breitere Übersicht steht in unserem Leitfaden xAI Preise.

"Wir sind zu einem System gewechselt, das bei halben Kosten gut funktioniert. Aber langfristig werden wir einfach unser eigenes bauen, was jetzt mit KI so gut möglich ist."

Das ist ein abgewanderter Mid-Market-Kunde von uns, und der Instinkt ist öfter richtig, als Anbieter zugeben. Die Frage ist immer nur, welche Einschränkung Sie tatsächlich lösen. Wenn Sie noch auf der vorherigen Generation sind, starten Sie stattdessen bei Grok 4.5 Alternativen.

Die 7 Alternativen im Überblick

Die untenstehenden Sätze sind die von den Anbietern selbst veröffentlichten Listenpreise pro 1M Tokens, geprüft am 13. August 2026. Die Spalte, die die meiste Arbeit leistet, ist die vierte.

Zwei Zeilen lohnen einen zweiten Blick. Qwen3.8 Max verlangt exakt das, was Grok 4.6 verlangt, 2 $ und 6 $, ohne Klippe und mit doppeltem Fenster, was es zum reinsten Drop-in beim Preis macht. Und Claude Sonnet 5 entspricht Groks Input-Satz, verlangt aber 10 $ statt 6 $ Output und erkauft sich dafür ein flaches 1M-Fenster.

Wie ich diese ausgewählt habe

Jedes Modell hier musste heute allgemein verfügbar, öffentlich pro Token bepreist und über einen normalen API-Schlüssel erreichbar sein. Das schließt Preview-gesperrte Modelle und alles auf Anfrage aus. Ich habe dann die Preisseite jedes Anbieters selbst gelesen statt einer Vergleichsseite, weil genau die Long-Context- und Tool-Zähler-Regeln bei einer Drittzusammenfassung verloren gehen.

Ich habe sie nicht nach Benchmark gerankt. Fünf Punkte Index entscheiden nicht über Ihre Architektur. Die Form der Rechnung und der Beschaffungsweg schon.

1. Claude Opus 5 - am besten, wenn lange Prompts das Problem sind

Was es ist. Anthropics Flaggschiff, ausgeliefert am 24. Juli 2026, aktuell auf Platz 1 des Artificial Analysis Intelligence Index mit 63.

Wo es Grok 4.6 schlägt. Beim Long-Context-Verhalten, eindeutig. Anthropics Preis-Dokumentation besagt, dass Claude 4.6 und später das volle 1M-Fenster zum Standardpreis enthalten, und nennt die Konsequenz: eine Anfrage mit 900k Tokens wird zum gleichen Satz pro Token berechnet wie eine mit 9k. Caching- und Batch-Rabatte gelten ebenfalls über das gesamte Fenster. Es läuft zudem auf Bedrock und Vertex, was die Beschaffungsmauer in einem Zug löst.

Wo nicht. Der Listenpreis ist 2,5x Groks Input und etwa 4x dessen Output, und die reale Lücke ist noch größer. Community-Tests ergaben, dass Opus 5 bei gleichem Aufwand etwa doppelt so viele Output-Tokens verbraucht wie Opus 4.8, und die unabhängigen Kosten pro Aufgabe im AA-Index lagen bei 2,03 $ gegenüber Grok 4.6s 0,84 $. Es braucht zudem deutlich mehr Turns: 103 pro Aufgabe gegenüber Opus 4.8s 55.

Preise. 5,00 $ Input, 0,50 $ Cache-Read, 25,00 $ Output. Batch halbiert das. Fast-Modus verdoppelt es. Unsere Seite Claude Opus 5 Preise hat die vollständige Übersicht, und Opus 5 gegen Sonnet 5 behandelt das günstigere Geschwistermodell.

Fazit. Der richtige Wechsel, wenn Ihre Prompts wirklich lang sind, wenn Sie die Cloud-Marktplätze brauchen, oder wenn eine gescheiterte Aufgabe teurer ist als eine teurere Aufgabe. Lesen Sie den Claude Opus 5 Test, bevor Sie annehmen, dass die Indexführung sich auf Ihre Last überträgt.

2. Claude Fable 5 - am besten, wenn Sie die Spitze der Eval-Tabelle wollen

Was es ist. Anthropics teuerstes Modell, und dasjenige, das Grok 4.6 tatsächlich in den meisten von xAIs eigener veröffentlichter Vergleichstabelle schlägt.

Wo es Grok 4.6 schlägt. Auf xAIs Launch-Tabelle gewinnt Fable 5 CursorBench, FrontierCode, APEX-Agents, APEX-SWE und den AA-Index klar. Das sind fünf von zehn Zeilen, die im Marketing des Platzhirschen an den Konkurrenten gehen. Es trägt das gleiche flache 1M-Fenster wie der Rest der Claude-Linie.

Wo nicht. 10 $ Input und 50 $ Output sind mehr als das Achtfache von Groks Output-Satz. Bei AA-Briefcase und GDPVal-AA gewinnt Grok 4.6 tatsächlich, das ist also kein klarer Sieg in beide Richtungen.

Preise. 10,00 $ Input, 1,00 $ Cache-Read, 50,00 $ Output, Batch 50% Rabatt. Anthropic listet auch ein Claude Mythos 5 zum gleichen Satz mit eingeschränkter Verfügbarkeit.

Fazit. Greifen Sie zu, wenn eine falsche Antwort teuer ist und das Volumen niedrig. Bei hohem Volumen wird die Rechnung schnell brutal, was der Vergleich Opus 5 gegen Fable 5 im Detail behandelt.

3. GPT-5.6 - am besten, wenn Sie drei Preispunkte von einem Anbieter wollen

Was es ist. Eine Familie, drei Stufen. Sol an der Spitze, Terra in der Mitte, Luna unten, alle hinter derselben API-Oberfläche.

Wo es Grok 4.6 schlägt. Sol gewinnt die beiden Evals, bei denen Grok am schlechtesten abschneidet: DeepSWE 73% gegenüber 65,9%, und Terminal-Bench 34,6% gegenüber 26%. Wenn Ihre Last autonome Softwareentwicklung ist, ist das der Wechselgrund. Die Stufung bedeutet auch, dass Sie günstige Turns ohne SDK-Wechsel an GPT-5.6 Terra oder Luna weiterleiten können.

Wo nicht. Es trägt die gleiche Klippe. OpenAIs Preisseite veröffentlicht eine Long-Context-Spalte für alle drei Stufen, sodass Sol bei langen Prompts von 5 $ auf 10 $ Input und von 30 $ auf 45 $ Output steigt. Der Wechsel von Grok zu GPT-5.6, um dem 200k-Schwellenwert zu entkommen, verschiebt das Problem, statt es zu lösen. Data-Residency-Endpunkte kosten einen Aufschlag von 10% für Modelle, die ab dem 5. März 2026 veröffentlicht wurden, und Priority Processing wurde am 30. Juli 2026 in Fast-Modus umbenannt.

Preise. Sol 5,00 $/30,00 $, Terra 2,00 $/12,00 $, Luna 0,20 $/1,20 $, jeweils pro 1M. Siehe unsere Aufschlüsselung GPT-5.6 Preise für den Rest der Familie.

Fazit. Der beste Like-for-Like-Wechsel unter den Frontier-Modellen, wenn Coding die Aufgabe ist. Prüfen Sie GPT-5.6 Sol Preise gegen die Verteilung Ihrer eigenen Prompt-Längen, bevor Sie sich festlegen, denn die Klippe sitzt an derselben Stelle. Der GPT-5.6 Test hat die Eval-Details, und OpenAI gegen Anthropic vergleicht die beiden API-Oberflächen.

4. Gemini 3.6 Flash - bestes Kosten-Nutzen-Verhältnis, wenn Google für Sie passt

Was es ist. Googles Arbeitspferd seit dem 21. Juli 2026, ausgelegt auf Geschwindigkeit bei frontier-naher Qualität.

Wo es Grok 4.6 schlägt. Günstigerer Input bei 1,50 $, ein 1M-Fenster ohne veröffentlichte Long-Context-Stufe, eine echte kostenlose Stufe zum Prototyping, und ein Wissensstand von März 2026. Es liefert zudem nativ Computer-Use und gewinnt die Zeilen für Long-Context und Computer-Use in Googles eigener Vergleichstabelle.

Wo nicht. Der Output kostet 7,50 $ gegenüber Groks 6,00 $, bei output-lastiger Arbeit ist es also teurer, nicht günstiger. Search Grounding kostet 14 $ pro 1.000 Anfragen, fast das Dreifache von xAIs Such-Zähler, wobei Google 5.000 kostenlose pro Monat für alle Gemini-3.x-Modelle einschließt. In der kostenlosen Stufe werden Ihre Inhalte zur Verbesserung von Googles Produkten genutzt, in der kostenpflichtigen nicht.

Preise. 1,50 $ Input, 0,15 $ Cache-Read, 7,50 $ Output. Batch ist halb so teuer. Volle Details in Gemini 3.6 Flash Preise.

Fazit. Die stärkste Preis-Leistungs-Wahl, wenn Ihre Prompts lang sind und Ihre Outputs kurz, was auf einen Großteil der retrieval-lastigen Support-Arbeit zutrifft. Der Gemini 3.6 Flash Test hat die Benchmark-Details, und die Übersicht Gemini 3.6 Flash zeigt, was gleichzeitig ausgeliefert wurde.

5. DeepSeek V4 Flash - am besten, wenn der Satz selbst das Problem ist

Was es ist. Ein Mixture-of-Experts-Modell mit 284 Mrd. Gesamt- und 13 Mrd. aktiven Parametern mit MIT-lizenzierten offenen Gewichten, in öffentlicher Beta seit dem 31. Juli 2026.

Wo es Grok 4.6 schlägt. Beim Preis, um eine Größenordnung, mit 0,14 $ Input und 0,28 $ Output. Cache-Treffer kosten 0,0028 $. Es liefert zudem einen Endpunkt im Anthropic-Format neben dem im OpenAI-Format, was eine Migration erheblich verkürzt, und MIT-Gewichte bedeuten, dass Sie alles inhouse verschieben können, falls die Anbieterbeziehung schiefgeht.

Wo nicht. Die günstige Konfiguration und die gute Konfiguration sind unterschiedliche Läufe. DeepSeeks eigene Cross-Mode-Tabelle zeigt HLE bei 8,1 im Non-Thinking-Modus gegenüber 34,8 bei maximaler Leistung, und Reasoning-Tokens werden zum Output-Satz berechnet. Artificial Analysis maß eine AA-Omniscience-Halluzinationsrate von 84% und benötigte 210M Output-Tokens, um den Index gegenüber einem Median von 100M in der Klasse durchzuführen. Unser Leitfaden zum Verhindern von Halluzinationen behandelt, was das vor Kunden bedeutet. Es gibt zudem einen angekündigten, aber noch nicht terminierten 2x-Aufschlag zu Spitzenzeiten.

Bei Kundendaten sollten Sie genau sein. DeepSeeks Nutzungsbedingungen für die kostenpflichtige API schweigen zur Trainingsnutzung, statt sie ausdrücklich zu erlauben, es gibt keine veröffentlichte DPA oder Zero-Retention-Option, und die Daten liegen unter chinesischer Rechtshoheit. Das ist eine echte Beschaffungsfrage, keine geklärte.

Preise. 0,14 $ Input bei Cache-Miss, 0,0028 $ Input bei Cache-Hit, 0,28 $ Output. Siehe DeepSeek V4 Flash Preise.

Fazit. Die naheliegende Wahl für Klassifikation, Routing, Zusammenfassung und andere hochvolumige Turns mit geringem Risiko. Der DeepSeek V4 Flash Test behandelt, wo sich die Qualitätslücke tatsächlich zeigt.

6. Kimi K3 - bestes Open-Weight-Modell im Frontier-Maßstab

Was es ist. Moonshot AIs Flaggschiff: 2,8 Bio. Gesamtparameter, 104 Mrd. aktiv, 1M Kontext, native Vision, gestartet am 16. Juli 2026.

Wo es Grok 4.6 schlägt. Offene Gewichte, tatsächlich ausgeliefert, am angekündigten Termin, und der Safetensors-Index bestätigt die 2,8-Bio-Zahl von außerhalb der Pressemitteilung. Es unterstützt native Bild- und Video-Eingabe sowie ein flaches 1M-Fenster.

Wo nicht. 3 $ Input und 15 $ Output liegen auf beiden Seiten über Grok, das ist also kein Kostenargument. Reasoning lässt sich auf keiner Stufe ausschalten, und die Stufen kosten den gleichen Satz, sodass reasoning_effort eine Latenz- statt eine Kostensteuerung ist. Bei niedriger Stufe erreicht es 47 Punkte im Index für 0,24 $ pro Aufgabe, was sowohl schwächer als auch teurer ist als DeepSeek V4 Flash. Öffentliche Bild-URLs werden nicht akzeptiert, nur base64 oder eine Datei-ID.

Preise. 3,00 $ Input, 0,30 $ Cache-Treffer, 15,00 $ Output. Consumer-Stufen reichen von kostenlos bis 199 $. Siehe Kimi K3 Preise.

Fazit. Greifen Sie zu, wenn Sie offene Gewichte im Frontier-Maßstab und Vision in einem Modell wollen und den Satz verkraften können. Der Kimi K3 Test hat den Benchmark-Vergleich gegen Grok, und Flash gegen K3 klärt die Budgetfrage zwischen den beiden Open-Weight-Optionen.

7. Qwen3.8 Max - der reinste Like-for-Like-Wechsel

Was es ist. Alibabas Flaggschiff, GA seit dem 2. August 2026: 2,4 Bio. Gesamtparameter, 95 Mrd. aktiv, 1M Kontext.

Wo es Grok 4.6 schlägt. Identische Preisspitze bei 2 $ Input und 6 $ Output, mit doppeltem Kontextfenster und ohne Long-Prompt-Aufschlag. Auf LMArena ist es stark: Text #5, Vision #2, WebDev #4. Es liefert xhigh-Reasoning standardmäßig aktiviert, mit erhaltenem Thinking.

Wo nicht. Es steht überhaupt nicht auf dem Artificial-Analysis-Board, jede „unabhängige Intelligenz-Punktzahl", die Sie dafür zitiert sehen, beschreibt also ein anderes Qwen-Modell. Automatisierte Composites und menschliche Präferenz zeigen hier in entgegengesetzte Richtungen, ein Einzahl-Urteil wäre also in beide Richtungen unehrlich. Gewichte wurden zur GA versprochen und sind noch unveröffentlicht. Es gibt keinen Batch-Rabatt und keinen Cloud-Marktplatz-Weg.

Preise. 2,00 $ Input, 0,25 $ impliziter Cache-Read, 6,00 $ Output, laut Qwen Cloud. Details in Qwen3.8 Max Preise, und die praktischen Zugangswege unter Zugang zu Qwen3.8 Max.

Fazit. Der Wechsel, wenn die 200k-Klippe Ihre einzige Beschwerde ist und Sie das gleiche Budget beibehalten wollen. Vergleichen Sie es direkt unter Qwen3.8 Max gegen Kimi K3, bevor Sie entscheiden.

Was Sie tatsächlich zahlen, gegenüber dem, was auf der Karte steht

Es gibt eine weitere Ebene, die es sich zu kennen lohnt, bevor Sie irgendetwas migrieren. OpenRouter veröffentlicht den gewichteten Durchschnittspreis, den seine Kunden wirklich zahlen, neben dem Listenpreis, und bei Grok 4.6 stimmen die beiden nicht überein.

Der Input liegt 61% unter der Liste, weil Caching bei echtem Traffic enorme Arbeit leistet. Der Output liegt leicht über der Liste, weil ein Teil dieses Traffics über 200k liegt und 12 $ zahlt. Beide Effekte sind auf der Preistabelle unsichtbar, und beide haben sich verschoben, seit ich das vor ein paar Tagen zuletzt geprüft habe, als der Input 0,7448 $ maß.

Die Lehre verallgemeinert sich über Grok hinaus. Bevor Sie aufgrund des Preises migrieren, ermitteln Sie Ihre eigene Cache-Trefferquote und Ihre eigene Verteilung der Prompt-Längen. Ein Modell mit einem schlechteren Etikett und einer besseren Cache-Geschichte kann in der Praxis günstiger sein, und ein Wechsel allein auf Basis von Listenpreisen ist eine Vermutung, die als Analyse verkleidet ist.

Spielt das Modell für den Support überhaupt eine Rolle?

Weniger, als die Shortlist suggeriert, was eine unbequeme Sache ist, die man in einem Beitrag schreibt, der gerade 2.000 Wörter auf eine Shortlist verwendet hat.

Grok 4.6 ist eines der zwei besten Modelle im Multi-Turn-Kundenservice-Benchmark, mit 50,7%. Lesen Sie das genau so, wie es dasteht: Das beste verfügbare Modell scheitert an der Hälfte dieser Gespräche. Der Wechsel zu Opus 5 für zwei Indexpunkte ändert nichts an diesem Fehlerbild, und ebenso wenig jede eskalationsfreie Architektur. Die Hälfte, die schiefläuft, läuft schief bei der Frage, wann man aufhört, wann man an einen Menschen übergibt, welches Makro ausgelöst wird, und was man niemals versprechen darf. Nichts davon ist eine Modellfähigkeit.

Ich sage das als jemand, der die Ebene über dem Modell baut. eesel-Kunden verlassen uns gelegentlich, um direkt auf einer rohen Frontier-API aufzubauen, und das ist die häufigste konkurrierende Alternative, die wir bei technischen Teams sehen. Manchmal funktioniert es. Was sie meist zurückbringt, ist nicht Modellqualität, und es ist selten Retrieval-Qualität. Es ist der zweite Monat.

Niemand möchte die Regeln für Ticket-Triage, Markenstimm-Drift, Berechtigungen für die Wissensdatenbank, einen Schwellenwert für den Confidence-Score, und eine Bereitschaftsrotation für einen Chatbot besitzen.

Der Käufer, den ich eingangs erwähnt habe, derjenige, der an einem Testtag 200 Interaktionen verbrauchte, stellte keine Modellfrage. Er fragte, was 9.000 im Monat kosten und ob die Antworten stimmen würden. Keine Preistabelle beantwortet eine dieser beiden Hälften, weshalb Kosten pro Lösung die Zahl ist, die es zu modellieren lohnt.

Wählen Sie zwischen Grok 4.6 und seinen Alternativen für eine Support-Queue?

Hier ist der Teil, den Ihnen eine rohe API nicht liefern kann. Bevor eesel auch nur ein einziges lebendes Ticket beantwortet, spielt es Ihren Agenten über Ihre eigenen vergangenen Tickets ab und zeigt, was er gesagt hätte, auf Ihren Daten, einschließlich der Lücken Ihrer Wissensdatenbank. So hört „welches Modell" auf, ein Benchmark-Argument zu sein, und wird zu einer Lösungsrate, die Sie auf Ihrer eigenen Queue gemessen haben, bevor ein Kunde eine einzige Antwort gesehen hat. Verbinden Sie ein Helpdesk, beobachten Sie die Simulation, wählen Sie dann das Modell. eesel testen, kostenlos.

Fazit

Bleiben Sie bei Grok 4.6, wenn Ihre Prompts bequem unter 200k bleiben, Sie nicht durch Cloud-Beschaffung blockiert sind, und Ihr Traffic gut cacht. Gleichauf mit GPT-5.6 Sol im Index bei einem Fünftel von dessen Output-Satz ist eine starke Position, und kein Modell hier dominiert es eindeutig.

Wechseln Sie zu Claude Opus 5, wenn lange Prompts, Bedrock- oder Vertex-Beschaffung, oder indexführende Qualität die bindende Einschränkung sind. Sie zahlen dafür etwa das 2,4-Fache pro Aufgabe.

Wechseln Sie zu Qwen3.8 Max, wenn die Klippe Ihre einzige Beschwerde ist. Gleiche 2 $ und 6 $, doppeltes Fenster, kein Aufschlag, auf Kosten eines unabhängigen Referenz-Scores.

Wechseln Sie zu DeepSeek V4 Flash für die hochvolumige, risikoarme Hälfte Ihres Traffics, und leiten Sie die schwierigen Turns woanders hin. Bei 0,14 $ und 0,28 $ können Sie es sich leisten, beim Routing falschzuliegen.

Wechseln Sie zu GPT-5.6, wenn autonomes Coding die Aufgabe ist, im Wissen, dass die Long-Context-Klippe mitkommt.

Und für welches Sie sich auch entscheiden, messen Sie es an Ihren eigenen Tickets, bevor es auf einen Kunden trifft. Der beste KI-Agent für eine Queue ist selten der an der Spitze des Index, und die Helpdesk-Ebene bewegt die Lösungsrate mehr als der Modellwechsel. Siehe KI für den Kundenservice für das vollständige Bild.