Elon Musks xAI hat Grok 4.5 veröffentlicht – trainiert auf zehntausenden Nvidia GB300 GPUs und zu einem Preis, der die Konkurrenz unter Druck setzt: 2 US-Dollar pro Million Input-Tokens, 6 US-Dollar pro Million Output-Tokens. Das Modell liegt in Coding-Benchmarks noch hinter Fable 5 und teils knapp unter GPT-5.5, zeigt aber eine bemerkenswert hohe Token-Effizienz. In der EU soll die Verfügbarkeit Mitte Juli folgen.
Das Modell positioniert sich im sogenannten Frontier-Bereich – also der Klasse der aktuell leistungsfähigsten Large Language Models (LLMs). Dort agieren auch GPT-5.5 von OpenAI und Claude Opus 4.8 von Anthropic.
Was ist neu bei Grok 4.5?
Grok 4.5 erreicht dieses Niveau nicht vollständig: In Coding-Aufgaben liegt es noch spürbar hinter Fable 5 und in einigen Benchmarks knapp unter GPT-5.5. Was es jedoch auszeichnet, ist die Token-Effizienz: Im Vergleich zu Claude Opus 4.8 benötigt es laut xAI 4,2-mal weniger Output-Tokens für vergleichbare Ergebnisse.
Das ist keine Nebensache. In der Praxis zahlen Unternehmen API-Kosten fast immer nach Token-Volumen – und ein Faktor 4 bei den Output-Tokens ist bei produktiven Workloads sehr schnell ein messbarer Kostenunterschied. Der Listenpreis von 2 Dollar (Input) und 6 Dollar (Output) pro Million Tokens unterbietet OpenAI und Anthropic deutlich. In meinen Azure-Kursen sprechen wir regelmäßig darüber, dass Modellauswahl nicht nur eine technische, sondern immer auch eine Kostenfrage ist – und hier bringt xAI ein klares Argument in die Diskussion.
Was bedeutet das für die Praxis – und für Microsoft-Umgebungen?
Für IT-Professionals, die heute mit Azure OpenAI Service arbeiten, ändert sich zunächst nichts direkt: Grok 4.5 ist nicht über Azure verfügbar, zumindest nicht zum jetzigen Zeitpunkt. Azure OpenAI bietet weiterhin Modelle von OpenAI (GPT-4o, GPT-4.1, o3) unter Microsofts Enterprise-Bedingungen – inklusive Datenschutz-Garantien, regionaler Datenhaltung und Integration in den Microsoft-Stack (Copilot Studio, Semantic Kernel, Azure AI Foundry).
Trotzdem ist die Entwicklung relevant: Wer heute Anwendungsarchitekturen mit LLMs plant, sollte den Markt nicht auf einen Anbieter verengen. Multi-Model-Strategien – also der Einsatz unterschiedlicher Modelle je nach Anwendungsfall und Kostenprofil – werden in Projekten zunehmend Standard. Grok 4.5 ist dabei ein ernstzunehmender Kandidat für Szenarien, in denen Token-Volumen hoch und Frontier-Qualität nicht zwingend erforderlich ist.
Praxistipp: Wenn Sie KI-Kosten in Ihrer Organisation rechtfertigen oder optimieren müssen, lohnt sich ein strukturierter Benchmark auf Ihren eigenen Daten – nicht auf generischen Leaderboards. Frontier-Modelle performen auf öffentlichen Benchmarks oft anders als auf internen Fachtext-Korpora oder spezifischen Coding-Tasks. Testen Sie Grok 4.5 über die offizielle API, sobald die EU-Verfügbarkeit im Juli gegeben ist, und vergleichen Sie konkret anhand Ihrer Use Cases.
Die vollständige Analyse finden Sie in der Originalmeldung bei The Decoder (DE).