Direktvergleich

Grok 4.5 vs. Grok 4.3

Veröffentlichte Benchmarkwerte aus derselben Version und Vergleichskohorte, API-Preise und technische Eckdaten. Unterschiedliche Testeinstellungen werden sichtbar ausgewiesen.

gemeinsame Messreihen: 199
verschiedene Benchmarks: 24
jüngster Abruf: 26.08.2026

Erstes ModellZweites Modell

Steckbrief

Allgemeine Daten

Erscheinungsdatum, Verfügbarkeit, Kontextfenster, Architektur und veröffentlichte Parameterzahlen auf einen Blick. Nicht veröffentlichte Angaben bleiben als solche markiert.

Allgemeine Daten von Grok 4.5 und Grok 4.3
Merkmal	Grok 4.5	Grok 4.3
Anbieter	xAI	xAI
Erschienen	16. Juli 2026	6. Mai 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Proprietär
Parameter	Nicht veröffentlicht	Nicht veröffentlicht
Architektur	Nicht veröffentlicht	Nicht veröffentlicht
Kontextfenster	500.000 Token	1.000.000 Token
Wissensstand	1. Februar 2026	Nicht veröffentlicht
Technische Quellen	Modell	Modell

Kosten

API-Preise im Vergleich

Die Tabelle vergleicht die offiziellen Standard-API-Tarife pro 1 Mio. Token einschließlich veröffentlichter Cache-Preise. Batch, Fast, Priority, regionale Aufschläge, Toolaufrufe und Cloudpreise sind nicht eingerechnet.

API-Preise von Grok 4.5 und Grok 4.3
Preisart	Grok 4.5	Grok 4.3
API-Eingabe	2 $ ≤200K / 4 $ >200K	1,25 $ ≤200K / 2,5 $ >200K
API-Ausgabe	6 $ ≤200K / 12 $ >200K	2,5 $ ≤200K / 5 $ >200K
Cache lesen	0,3 $ ≤200K / 0,6 $ >200K	0,2 $ ≤200K / 0,4 $ >200K
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	11.08.2026 Quelle	11.08.2026 Quelle

Grok 4.5Grok 4.3

API-EingabeUSD pro 1 Mio. Token, Basistarif

Grok 4.52 $

Grok 4.31,25 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Grok 4.56 $

Grok 4.32,5 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Grok 4.50,3 $

Grok 4.30,2 $

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Preise nach Anbieter

Direkte Entwicklertarife und über OpenRouter geroutete Anbieterpreise sind getrennt gekennzeichnet. Alle Preise gelten in USD pro 1 Mio. Token. Kontextabhängige Direktpreise sowie regionale, Flex-, Priority- und weitere OpenRouter-Tarife bleiben einzeln erkennbar.

Anbieterpreise von Grok 4.5 und Grok 4.3
Modell	Anbieter	Bezugsweg und Tarif	Eingabe pro 1 Mio. Token	Ausgabe pro 1 Mio. Token	Quelle
Grok 4.5	xAI	Direkt beim EntwicklerBis 200.000 Kontext-Token	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle11.08.2026
	xAI	Direkt beim EntwicklerÜber 200.000 Kontext-Token	4 $	12 $	Quelle11.08.2026
	xAI	Über OpenRouterxai	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/priority	4 $	12 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/zdr	Günstigster erfasster Preis: 2 $	Günstigster erfasster Preis: 6 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/zdr/priority	4 $	12 $	Quelle25.08.2026
Grok 4.3	xAI	Direkt beim EntwicklerBis 200.000 Kontext-Token	Günstigster erfasster Preis: 1,25 $	Günstigster erfasster Preis: 2,5 $	Quelle11.08.2026
	xAI	Direkt beim EntwicklerÜber 200.000 Kontext-Token	2,5 $	5 $	Quelle11.08.2026
	xAI	Über OpenRouterxai	Günstigster erfasster Preis: 1,25 $	Günstigster erfasster Preis: 2,5 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/priority	2,5 $	5 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/zdr	Günstigster erfasster Preis: 1,25 $	Günstigster erfasster Preis: 2,5 $	Quelle25.08.2026
	xAI	Über OpenRouterxai/zdr/priority	2,5 $	5 $	Quelle25.08.2026

Leistung

Gemeinsame Benchmarks

Nur veröffentlichte Ergebnisse mit derselben Benchmark-Version, Aufgabe, Metrik und Vergleichskohorte werden gegenübergestellt. Wenn Anbieter unterschiedliche Reasoning-Stufen, Agenten oder Ausgabegrenzen verwendet haben, steht das direkt in der Tabelle.

Fähigkeitsprofil aus vergleichbaren Benchmarks

Jede Achse mittelt direkt vergleichbare Benchmarkfamilien. Ein Wert von 100 bedeutet den stärkeren Wert innerhalb dieses Duells, keinen universellen Qualitätswert.

Grok 4.5

Grok 4.3

Coding: 100 / 64,1 (6 Benchmarkfamilien)

Reasoning: 100 / 97,8 (2 Benchmarkfamilien)

Mathematik: 100 / 96,1 (1 Benchmarkfamilie)

Wissen: 100 / 96,8 (2 Benchmarkfamilien)

Finanzen: 99,7 / 80,7 (6 Benchmarkfamilien)

Recht: 100 / 80,5 (4 Benchmarkfamilien)

Agenten-Aufgaben: 100 / 57,7 (2 Benchmarkfamilien)

Multimodal: 74,4 / 100 (1 Benchmarkfamilie)

163 passende Messreihen aus 24 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 12 vergleichbaren Kategorien.

Grok 4.5Grok 4.3

Code MigrationOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.536,596 %

Grok 4.36,795 %

CorpFin v2Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.567,405 %

Grok 4.368,532 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.552,911 %

Grok 4.318,394 %

Finance Agent (v2)Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.548,349 %

Grok 4.337,728 %

GPQA DiamondOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.592,929 %

Grok 4.391,414 %

Harvey's Legal Agent BenchmarkOverall · Task fully resolved. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.512,917 %

Grok 4.30,417 %

Legal Research BenchOverall · All-pass. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.537,981 %

Grok 4.315,385 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.585,965 %

Grok 4.384,458 %

LiveCodeBench v6Overall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.587,351 %

Grok 4.384,494 %

LMArena Text, Style ControlOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.51.470,287

Grok 4.31.441,922

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.543,291 %

Grok 4.338,068 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.586,884 %

Grok 4.374,399 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Grok 4.5 und Grok 4.3
Benchmark und Aufgabe	Grok 4.5	Grok 4.3	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner36,596 %	6,795 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	67,405 %	Gewinner68,532 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner52,911 %	18,394 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner48,349 %	37,728 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner92,929 %	91,414 %	Vals AI Quellendetails Datenstand: 19.08.2026
Harvey's Legal Agent BenchmarkOverall · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besser	Gewinner12,917 %	0,417 %	Vals AI Quellendetails Datenstand: 19.08.2026
Legal Research BenchOverall · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besser	Gewinner37,981 %	15,385 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner85,965 %	84,458 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner87,351 %	84,494 %	Vals AI Quellendetails Datenstand: 19.08.2026
LMArena Text, Style ControlOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control Grok 4.3: Snapshot: grok-4.3, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 22.030 anonymen Paarvergleichen.Grok 4.3: Stilbereinigte Arena-Bewertung aus 61.016 anonymen Paarvergleichen.	Gewinner1.470,287 95-%-Konfidenzintervall: ±5,161Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.441,922 95-%-Konfidenzintervall: ±3,866Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MedCodeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner43,291 %	38,068 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,884 %	74,399 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner89,216 %	85,838 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	61,792 %	Gewinner83,064 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner61,804 %	48,252 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 19.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner34,967 %	19,736 %	Vals AI Quellendetails Datenstand: 19.08.2026
SkillsBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner66,034 %	40,638 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner86,6 %	71,4 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	Gewinner71,668 %	70,81 %	Vals AI Quellendetails Datenstand: 19.08.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner67,79 %	41,948 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner51,528 %	24,294 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals Multimodal IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besser	Gewinner63,42 %	43,293 %	Vals AI Quellendetails Datenstand: 11.08.2026
Vibe Code Bench v1.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Harness: OpenHands	Gewinner69,002 %	19,403 %	Vals AI Quellendetails Datenstand: 19.08.2026
Code MigrationCLI Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner25,461 %	9,06 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Exact Pages Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	66,317 %	Höherer Messwert66,783 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBComps Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner39,489 %	16,558 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner38,568 %	31,863 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondFew-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Kein direkter Sieger92,929 %	Kein direkter Sieger92,929 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner87,319 %	61,594 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner51,515 %	25,758 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchConclusion Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	89,507 %	Höherer Messwert89,912 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Höherer Messwert99,068 %	98,447 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control Grok 4.3: Snapshot: grok-4.3, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 4.365 anonymen Paarvergleichen.Grok 4.3: Stilbereinigte Arena-Bewertung aus 12.328 anonymen Paarvergleichen.	Gewinner1.463,609 95-%-Konfidenzintervall: ±9,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.438,834 95-%-Konfidenzintervall: ±6,725Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProBiology Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Höherer Messwert94,282 %	93,305 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxNumerical Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 256.000 tokens	Höherer Messwert62,798 %	37,52 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner4,5 %	0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGEAutomata Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens Grok 4.3: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	32,54 %	Höherer Messwert35,318 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchNo Skills Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Harness: OpenHands, Temperatur: 0.7, Top P: 0.95	Gewinner48,808 %	19,305 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified<15 min fix Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner93,814 %	83,505 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Correctness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Höherer Messwert62,551 %	60,589 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner91,667 %	75 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	68,415 %	Gewinner70,047 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	68,415 %	Gewinner70,047 %	Vals AI Quellendetails Datenstand: 09.08.2026
Code MigrationCOBOL Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner70 %	0 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Max Fitting Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	67,483 %	Höherer Messwert68,765 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner64,953 %	29,176 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner36,743 %	26,373 %	Vals AI Quellendetails Datenstand: 06.08.2026
GPQA DiamondZero-Shot CoT Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Höherer Messwert92,929 %	89,899 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner88,75 %	73,866 %	Vals AI Quellendetails Datenstand: 06.08.2026
LegalBenchInterpretation Tasks Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Höherer Messwert83,22 %	81,805 %	Vals AI Quellendetails Datenstand: 09.08.2026
LiveCodeBench v6Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Höherer Messwert73,429 %	66 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control Grok 4.3: Snapshot: grok-4.3, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 1.462 anonymen Paarvergleichen.Grok 4.3: Stilbereinigte Arena-Bewertung aus 3.345 anonymen Paarvergleichen.	Gewinner1.510,774 95-%-Konfidenzintervall: ±16,427Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	1.482,605 95-%-Konfidenzintervall: ±11,398Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	LMArena Quellendetails Datenstand: 21.08.2026
MMLU-ProBusiness Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	Höherer Messwert93,283 %	92,902 %	Vals AI Quellendetails Datenstand: 09.08.2026
MortgageTaxSemantic Extraction Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95, Ausgabegrenze: 256.000 tokens	Höherer Messwert60,811 %	58,983 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gleichstand0 %	Gleichstand0 %	Vals AI Quellendetails Datenstand: 09.08.2026
SAGECalculus Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens Grok 4.3: Temperatur: 1, Top P: 0.95, Ausgabegrenze: 30.000 tokens	Höherer Messwert59,568 %	48,148 %	Vals AI Quellendetails Datenstand: 09.08.2026
SkillsBenchWith Skills Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Harness: OpenHands, Temperatur: 0.7, Top P: 0.95	Gewinner66,034 %	40,638 %	Vals AI Quellendetails Datenstand: 07.08.2026
SWE-bench Verified>4 hours Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner66,667 %	33,333 %	Vals AI Quellendetails Datenstand: 08.08.2026
TaxEval v2Stepwise Reasoning Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Grok 4.3: Temperatur: 0.7, Top P: 0.95	80,785 %	Höherer Messwert81,03 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Hard Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner56,667 %	14,444 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner48,751 %	37,766 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexFinance Agent v2 Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserEinstellungen: Reasoning: high, Temperatur: 0.7, Top P: 0.95	Gewinner48,751 %	37,766 %	Vals AI Quellendetails Datenstand: 09.08.2026
Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

So liest du den Vergleich

Ein Benchmark-Sieg ist kein Gesamturteil

Entscheidend sind deine Aufgaben, dein Budget und die benötigte Kontextlänge. Ein Coding-Benchmark sagt wenig über Bildverständnis oder Agentenarbeit aus.

Die Standardpreistabelle nutzt direkte Entwicklertarife. Der Anbieter-Vergleich kennzeichnet OpenRouter-Endpoints, Regionen und Sondertarife separat.

Jeder Messwert verlinkt seine Messstelle und zeigt den Abrufstand. Je nach Kennzeichnung handelt es sich um eine Anbieterangabe, ein offizielles Benchmark-Leaderboard oder eine unabhängige Evaluation. Strittige oder archivierte Ergebnisse werden nicht verwendet.

Weitere Duelle

Vergleiche Grok 4.5 und Grok 4.3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich