Grok 4.6 erreicht im bereitgestellten Startvergleich des Artificial Analysis Intelligence Index 61 Punkte und liegt damit gleichauf mit GPT-5.6 Sol Max. Claude Fable 5 Max kommt in derselben Tabelle auf 62 Punkte. Das ist ein starkes Ergebnis, aber kein Beleg für einen generellen Sieg: Bei einzelnen Programmier- und Terminal-Tests liegen die Konkurrenten vorn, während Grok 4.6 mit niedrigeren Standard-API-Preisen und überzeugenden Ergebnissen bei Wissensarbeit punktet.
Der Benchmark-Wert von Grok 4.6
SpaceXAI hat Grok 4.6 am 12. August 2026 angekündigt und veröffentlicht. Die oft genannte Zahl von 61 Punkten gehört ausdrücklich zu diesem bereitgestellten Startvergleich. Sie darf nicht mit einer separaten v4.3-Auswertung verwechselt werden, in der für Grok 4.6 ein Wert von 44,405 ausgewiesen wird. Auch die Benchmark-Versionen sind entscheidend: Ein Ergebnis aus Terminal-Bench v3.0 ist nicht direkt mit einem Wert aus Terminal-Bench v2.1 vergleichbar.
Die Starttabelle zeichnet deshalb kein eindimensionales Bild. Grok 4.6 liegt beim GDPVal-AA v2 mit 1.753 Punkten vor GPT-5.6 Sol Max mit 1.728 und Claude Fable 5 Max mit 1.741 Punkten. Bei CursorBench v3.2 erreicht Grok 4.6 69,9 Prozent. Das liegt über GPT-5.6 Sol Max mit 67,2 Prozent, aber knapp unter Claude Fable 5 Max mit 70,5 Prozent.
Stark bei Agenten, nicht überall beim Programmieren
Die Coding-Ergebnisse sind gemischt. Bei DeepSWE v1.1 erreicht Grok 4.6 65,9 Prozent. GPT-5.6 Sol Max kommt auf 73 Prozent, Claude Fable 5 Max auf 70 Prozent. Noch deutlicher fällt der Abstand bei Terminal-Bench v3.0 aus: Grok 4.6 erreicht 26 Prozent, gegenüber 34,6 Prozent für GPT-5.6 Sol Max und 34,1 Prozent für Claude Fable 5 Max.
Das bedeutet nicht, dass Grok 4.6 schlecht programmiert. Es ist bei CursorBench konkurrenzfähig und kann in interaktiven, visuellen Aufgaben brauchbare Ergebnisse liefern. Die Zahlen sprechen aber gegen die einfache Behauptung, das Modell sei beim autonomen Software-Engineering grundsätzlich besser als seine Rivalen.
Die stärkere Seite liegt nach dem vorliegenden Vergleich bei professioneller Wissensarbeit, Dokumentanalyse und längeren mehrstufigen Agentenaufgaben. Gerade dort muss ein Modell Informationen über viele Schritte hinweg verarbeiten und Entscheidungen koordinieren. Ein einzelner Spitzenwert bei einem Coding-Test erzählt darüber nur einen Teil der Geschichte.
Warum weniger Agentenschritte zählen
Für lange Agentenläufe ist nicht nur die Antwortqualität wichtig. Auch die Zahl der Zwischenschritte und die Menge der verarbeiteten Token können die praktische Nutzung beeinflussen. Eine berichtete AA-Briefcase-Auswertung beschreibt Grok 4.6 in diesem Umfeld als effizienter als Claude Opus 5 Max.
Diese Beobachtung ist interessant, sollte aber nicht automatisch als niedrigere Gesamtkosten in jedem Projekt gelesen werden. Der tatsächliche Aufwand hängt unter anderem von Aufgabenstellung, Werkzeugen, Tokenverbrauch, Modellvariante und Ausführungsumgebung ab. Ein Modell, das weniger Schritte benötigt, kann für bestimmte Workflows attraktiver sein – ein universeller Preis-pro-Ergebnis-Sieger ist damit noch nicht belegt.
Preise und Kontextgrenzen
Die Standardpreise der SpaceXAI-API liegen bei 2 US-Dollar pro Million Eingabetoken und 6 US-Dollar pro Million Ausgabetoken. Für zwischengespeicherte Eingaben werden 0,50 US-Dollar pro Million Token angegeben. Ein eigener Deutschlandpreis in Euro ist nicht ausgewiesen; die verfügbaren Angaben lauten auf US-Dollar.
Grok 4.6 verarbeitet laut den vorliegenden Modelldaten Text und Bilder als Eingabe und erzeugt Text als Ausgabe. Das Kontextfenster wird mit 500.000 Token angegeben. Für einzelne Zugangsoberflächen können andere Grenzen gelten, deshalb sollte man die konkrete Umgebung – etwa API oder Cursor – getrennt betrachten.
Berichte über höhere Tarife für sehr lange Eingaben sowie schnelle oder priorisierte Varianten sind nicht als allgemeine Standardpreise zu behandeln. Für eine konkrete Anwendung zählt die Abrechnung der tatsächlich verwendeten Oberfläche und Variante. Das klingt trocken, spart aber später unangenehme Überraschungen.
Was praktische Tests zeigen
Synchronisierte Kreativ-Coding-Vergleiche ergänzen die abstrakten Tabellen um sichtbare Ergebnisse. In einem solchen Ein-Turn-Test erzeugte Grok 4.6 unter anderem interaktive und visuelle Projekte, scheiterte aber bei einer Weltraumflug-Aufgabe an der Startsequenz. Das ist ein nützlicher Realitätscheck: Ein Modell kann attraktive Oberflächen und Prototypen erzeugen und trotzdem an einer entscheidenden Logikaufgabe scheitern.
Der Test ist kein standardisiertes Gesamturteil über Grok 4.6. Ein-Turn-Aufgaben bilden nicht automatisch längere Entwicklungsabläufe mit Rückfragen, Korrekturen und mehreren Iterationen ab. Für Entwickler ist das Ergebnis dennoch relevant, weil es die Lücke zwischen gut aussehender Ausgabe und tatsächlich funktionierender Anwendung sichtbar macht.
Für wen sich Grok 4.6 lohnt
Grok 4.6 ist vor allem für Leser interessant, die lange Wissensaufgaben, Dokumentanalysen oder mehrstufige Agenten-Workflows planen und dabei auf die Tokenkosten achten. Die Standardpreise machen eine Evaluierung attraktiv, ohne dass daraus automatisch ein Vorteil bei jedem abgeschlossenen Projekt folgt.
Für anspruchsvolles autonomes Programmieren lohnt sich ein genauer Blick auf die konkrete Aufgabe. Die Werte bei DeepSWE v1.1 und Terminal-Bench v3.0 zeigen, dass GPT-5.6 Sol Max und Claude Fable 5 Max in den bereitgestellten Vergleichen vorn liegen. Wer dagegen visuelle Prototypen oder interaktive Entwürfe entwickeln möchte, findet in Grok 4.6 einen ernst zu nehmenden Kandidaten – sollte aber jede wichtige Funktion prüfen.
Zugänglich ist das Modell laut den vorliegenden Angaben über die SpaceXAI-API, Cursor, Grok Build, OpenRouter, Vercel und Cloudflare. Konto-, Partner- und Marktbedingungen können dabei voneinander abweichen. Grok 4.6 ist außerdem proprietär: Die Gewichte sind nicht öffentlich verfügbar, und die Zahl der Parameter wurde nicht offengelegt.
Eine bestätigte Veröffentlichung von Grok 4.7 ist nicht ausgewiesen. Für die Entscheidung heute zählt daher das, was Grok 4.6 bereits zeigt: starke Ergebnisse bei bestimmten Wissens- und Agentenaufgaben, konkurrenzfähige Coding-Leistung und niedrige Standardtarife – aber kein Freifahrtschein für jedes Softwareprojekt.
Kurz gesagt: Grok 4.6 ist ein ernstzunehmender Kosten-und-Workflow-Konkurrent. Wer nur nach dem höchsten Einzelwert sucht, sollte genauer hinschauen; wer Leistung, Tokenpreise und lange Agentenläufe gemeinsam bewertet, findet hier einen spannenden Kandidaten.
