Grok 4.5
Grok 4.5 ist seit Juli 2026 das aktuelle Flaggschiff von xAI mit nativem Echtzeit-Zugriff auf Web- und X-Daten, 500.000 Tokens Kontext und multimodaler Text- und Bildeingabe. Reasoning läuft serverseitig immer mit und wird konfigurierbar über Reasoning-Effort-Level gesteuert, ohne sichtbare Chain-of-Thought-Tags im Antworttext. Function-Calling, strukturierte Ausgaben und Prompt-Caching ergänzen das Profil für Coding- und Agentic-Workflows.
- Proprietär
- Frontier
- xAI
- Text
- Vision
- Interactive
Sovereign Risk: MEDIUM xAI ist ein US-Unternehmen, das dem CLOUD Act unterliegt. Das operative Risiko liegt nicht in der Verteilung der Gewichte (proprietär, nicht öffentlich), sondern in der Nutzung der Cloud-API: Daten werden serverseitig verarbeitet, standardmäßig mit 30 Tagen Retention, sofern keine Zero-Data-Retention-Option für Enterprise-Konten aktiviert ist.[web:590]
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 73.85
- Routine
- 45.27
- Reasoning
- 28.58
- LLM Judge Avg
- 3.66 / 5
- 100 Coverage
- Avg Task Duration
- 22.02s
- Interactive
- Token Rate
- 25.65tok/s
- Output Rate
- P95 Latency
- 53.37s
- Top 5 %
- Total Tokens
- 86600
- Output Volume
- Cost per 1K
- $0.006
- USD / 1K Requests
- Benchmark Cost
- $0.52
- Total · 86600 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.