Fundación Maldita.es zählte in einer Prüfung von Groks Antworten auf WM-bezogene X-Beiträge 121 richtige Antworten unter 245 Fragen zu Bildern oder Videos. Bei schriftlichen Behauptungen waren 69 von 72 Antworten korrekt. Die am 27. Oktober 2026 veröffentlichte Auswertung vergleicht zwei Antwortgruppen aus einer konkreten Stichprobe, keine allgemeine Trefferquote für Grok. Der Auditbericht von Fundación Maldita.es beschreibt die Ergebnisse und die untersuchten Beiträge.
Wie oft lagen Groks Antworten richtig?
Bei Bild- und Videoantworten lag die Trefferquote bei 49,4 Prozent. In der Gruppe zu schriftlichen Behauptungen waren es 95,8 Prozent. Dazu zählten Behauptungen als reiner Text, Text mit einem Bild sowie Text, der in einem Screenshot wiedergegeben wurde.
| Antwortgruppe | Richtige Antworten | Auswertbare Antworten | Trefferquote |
| Bilder und Videos | 121 | 245 | 49,4 % |
| Schriftliche Behauptungen | 69 | 72 | 95,8 % |
Die Gruppen waren unterschiedlich groß. Der Abstand zwischen den Prozentwerten beschreibt daher die Antworten in diesem Audit, nicht Groks Leistung bei jeder beliebigen Bildprüfung.
Was untersuchte die Stichprobe?
Maldita.es wertete 139 X-Beiträge aus, die 46 Behauptungen zur Fußball-WM 2026 betrafen. Davon waren 35 falsch oder manipuliert, sechs brauchten zusätzlichen Kontext, zwei waren Warnmeldungen und drei wahr. Die Beiträge wurden vom 13. Juni bis zum 20. Juli 2026 gesammelt.
Die Forschenden stellten 766 Fragen und erhielten 358 Antworten von Grok. 317 Antworten ließen sich daraufhin bewerten, ob sie richtig, teilweise richtig oder falsch waren. Unter den 127 falschen oder teilweise richtigen Antworten betrafen 81 manipuliertes oder KI-generiertes Bildmaterial, das Grok nicht als solches erkannte.
Eine frühere NeoTeo-Einordnung behandelte Grok 4.6 im Benchmarkvergleich. Der hier beschriebene Audit prüfte dagegen, wie Grok konkrete Behauptungen in Beiträgen auf X beantwortete.
Wie reagierte Grok nach veröffentlichten Faktenchecks?
Bei 22 Beiträgen, zu denen Grok zunächst falsch oder teilweise richtig geantwortet hatte, korrigierte das System seine Antwort später in drei Fällen. In 14 Fällen gab es keine weitere Antwort; bei fünf blieb die Antwort falsch oder unvollständig.
