Grok 4.6
Grok 4.6 ist xAIs Frontier-Modell vom 12. August 2026 für Coding, lange Agent-Sessions und Wissensarbeit — proprietär, Cloud-only, unter US-Jurisdiktion (CLOUD Act). Das Modell verarbeitet Text und Bild bei einem Kontext von 500.000 Tokens und bietet vier Reasoning-Stufen (low/medium/high/xhigh). Ein optionaler Priority-Processing-Service-Tier verdoppelt die API-Kosten für kürzere Latenz.
- Proprietär
- Frontier
- xAI
- Text
- Vision
- Batch
Sovereign Risk: MEDIUM Das Modell wird von einem US-amerikanischen Unternehmen entwickelt und gehostet. Aufgrund der US-Jurisdiktion unterliegt es potenziell dem CLOUD Act, was ein mittleres Risiko für den Datenzugriff durch US-Behörden darstellt. Da die Gewichte proprietär und nicht verteilt sind, besteht kein zusätzliches Risiko durch Weitergabe der Gewichte selbst.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 74.72
- Routine
- 45.85
- Reasoning
- 28.87
- LLM Judge Avg
- 3.72 / 5
- 100 Coverage
- Avg Task Duration
- 62.78s
- Batch
- Token Rate
- 13.59tok/s
- Output Rate
- P95 Latency
- 166.35s
- Top 5 %
- Total Tokens
- 73900
- Output Volume
- Cost per 1K
- $0.006
- USD / 1K Requests
- Benchmark Cost
- $0.44
- Total · 73900 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.