Direktvergleich

Grok 4.5 vs. Kimi K3

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

gemeinsame Messreihen: 196
verschiedene Benchmarks: 25
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 Kimi K3
Merkmal	Grok 4.5	Kimi K3
Anbieter	xAI	Moonshot AI
Erschienen	16. Juli 2026	16. Juli 2026
Verfügbarkeit	Aktiv	Aktiv
Modelltyp	Proprietär	Open Weights
Parameter	Nicht veröffentlicht	2,8 Billionen, 104 Mrd. aktiv
Architektur	Nicht veröffentlicht	Mixture of Experts
Kontextfenster	500.000 Token	1.048.576 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 Kimi K3
Preisart	Grok 4.5	Kimi K3
API-Eingabe	2 $ ≤200K / 4 $ >200K	3 $
API-Ausgabe	6 $ ≤200K / 12 $ >200K	15 $
Cache lesen	0,3 $ ≤200K / 0,6 $ >200K	0,3 $
Cache schreiben (5 Min.)	Nicht ausgewiesen	Nicht ausgewiesen
Cache schreiben (1 Std.)	Nicht ausgewiesen	Nicht ausgewiesen
Preis geprüft	11.08.2026 Quelle	30.07.2026 Quelle

Grok 4.5Kimi K3

API-EingabeUSD pro 1 Mio. Token, Basistarif

Grok 4.52 $

Kimi K33 $

API-AusgabeUSD pro 1 Mio. Token, Basistarif

Grok 4.56 $

Kimi K315 $

Cache lesenUSD pro 1 Mio. Token, Basistarif

Grok 4.50,3 $

Kimi K30,3 $

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 Kimi K3
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
Kimi K3	Moonshot AI	Direkt beim EntwicklerStandard-API	3 $	15 $	Quelle30.07.2026
	Alibaba	Über OpenRouteralibaba	3,45 $	17,25 $	Quelle25.08.2026
	BaseTen	Über OpenRouterbaseten/fp8	3 $	15 $	Quelle25.08.2026
	Chutes	Über OpenRouterchutes/mxfp4	3 $	15 $	Quelle25.08.2026
	DeepInfra	Über OpenRouterdeepinfra/bf16	2,85 $	14,25 $	Quelle25.08.2026
	DigitalOcean	Über OpenRouterdigitalocean	2,85 $	14,25 $	Quelle25.08.2026
	Fireworks	Über OpenRouterfireworks	3 $	15 $	Quelle25.08.2026
	Fireworks	Über OpenRouterfireworks/fast	4,5 $	22,5 $	Quelle25.08.2026
	Fireworks	Über OpenRouterfireworks/us	3,3 $	16,5 $	Quelle25.08.2026
	Modal	Über OpenRoutermodal/mxfp4	3 $	15 $	Quelle25.08.2026
	Moonshot AI	Über OpenRoutermoonshotai/mxfp4	3 $	15 $	Quelle25.08.2026
	Morph	Über OpenRoutermorph/fast	6 $	22,5 $	Quelle25.08.2026
	Morph	Über OpenRoutermorph/fp4	Günstigster erfasster Preis: 2,8 $	Günstigster erfasster Preis: 14 $	Quelle25.08.2026
	Phala	Über OpenRouterphala	3 $	15 $	Quelle25.08.2026
	Together	Über OpenRoutertogether	3 $	15 $	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

Kimi K3

Coding: 74,8 / 88,8 (5 Benchmarkfamilien)

Reasoning: 100 / 100 (1 Benchmarkfamilie)

Mathematik: 35,6 / 100 (1 Benchmarkfamilie)

Wissen: 100 / 98,6 (1 Benchmarkfamilie)

Finanzen: 90,1 / 100 (5 Benchmarkfamilien)

Recht: 95,3 / 94,6 (3 Benchmarkfamilien)

Agenten-Aufgaben: 91,9 / 90,8 (2 Benchmarkfamilien)

Multimodal: 70,1 / 100 (1 Benchmarkfamilie)

26 passende Messreihen aus 24 Benchmarkfamilien wurden berücksichtigt. Das Radar zeigt 8 von 11 vergleichbaren Kategorien.

Grok 4.5Kimi K3

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

Grok 4.536,596 %

Kimi K316,099 %

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

Grok 4.567,405 %

Kimi K371,562 %

EMBOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.552,911 %

Kimi K366,399 %

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

Grok 4.548,349 %

Kimi K354,36 %

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

Grok 4.592,929 %

Kimi K392,929 %

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

Grok 4.512,917 %

Kimi K310,833 %

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

Grok 4.537,981 %

Kimi K344,231 %

LegalBenchOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.585,965 %

Kimi K386,016 %

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

Grok 4.587,351 %

Kimi K387,185 %

LMArena Text, Style ControlOverall. Mehr ist besser. Testaufbau nicht identisch dokumentiert

Grok 4.51.470,287

Kimi K31.489,097

MedCodeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.543,291 %

Kimi K348,884 %

MedScribeOverall. Mehr ist besser. Kein dokumentierter Setup-Unterschied

Grok 4.586,884 %

Kimi K387,958 %

Zeichenerklärung:besserer Wertbesser, aber nicht eindeutigGleichstand

Benchmarkwerte von Grok 4.5 und Kimi K3
Benchmark und Aufgabe	Grok 4.5	Kimi K3	Quelle
Code MigrationOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner36,596 %	16,099 %	Vals AI Quellendetails Datenstand: 19.08.2026
CorpFin v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	67,405 %	Gewinner71,562 %	Vals AI Quellendetails Datenstand: 12.08.2026
EMBOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	52,911 %	Gewinner66,399 %	Vals AI Quellendetails Datenstand: 19.08.2026
Finance Agent (v2)Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	48,349 %	Gewinner54,36 %	Vals AI Quellendetails Datenstand: 19.08.2026
GPQA DiamondOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gleichstand92,929 %	Gleichstand92,929 %	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 %	10,833 %	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	37,981 %	Gewinner44,231 %	Vals AI Quellendetails Datenstand: 19.08.2026
LegalBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	85,965 %	Gewinner86,016 %	Vals AI Quellendetails Datenstand: 19.08.2026
LiveCodeBench v6Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner87,351 %	87,185 %	Vals AI Quellendetails Datenstand: 19.08.2026
LMArena Text, Style ControlOverall Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 22.030 anonymen Paarvergleichen.Kimi K3: Stilbereinigte Arena-Bewertung aus 15.054 anonymen Paarvergleichen.	1.470,287 95-%-Konfidenzintervall: ±5,161Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.489,097 95-%-Konfidenzintervall: ±5,803Der 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	43,291 %	Gewinner48,884 %	Vals AI Quellendetails Datenstand: 20.08.2026
MedScribeOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	86,884 %	Gewinner87,958 %	Vals AI Quellendetails Datenstand: 20.08.2026
MMLU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	Gewinner89,216 %	87,973 %	Vals AI Quellendetails Datenstand: 19.08.2026
MMMU-ProOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	61,792 %	Gewinner88,15 %	Vals AI Quellendetails Datenstand: 19.08.2026
MortgageTaxOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	61,804 %	Gewinner66,336 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProgramBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	0 %	Gewinner2 %	Vals AI Quellendetails Datenstand: 19.08.2026
ProofBenchOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.1Messgröße: accuracyBewertung: Mehr ist besser	31 %	Gewinner87 %	Vals AI Quellendetails Datenstand: 21.08.2026
SAGEOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	34,967 %	Gewinner54,26 %	Vals AI Quellendetails Datenstand: 19.08.2026
SWE-bench VerifiedOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: accuracyBewertung: Mehr ist besser	86,6 %	Gewinner93,4 %	Vals AI Quellendetails Datenstand: 19.08.2026
TaxEval v2Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: accuracyBewertung: Mehr ist besser	71,668 %	Gewinner75,716 %	Vals AI Quellendetails Datenstand: 19.08.2026
Terminal-Bench 2.1Overall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besser	67,79 %	Gewinner80,899 %	Vals AI Quellendetails Datenstand: 19.08.2026
Time Horizon Index: KSPOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1Messgröße: progressBewertung: Mehr ist besser	Gewinner6,333 %	5,167 %	Vals AI Quellendetails Datenstand: 20.08.2026
Vals IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 2Messgröße: weighted index scoreBewertung: Mehr ist besser	51,528 %	Gewinner57,813 %	Vals AI Quellendetails Datenstand: 19.08.2026
Vals Multimodal IndexOverall Testdetails Kein dokumentierter Unterschied im TestaufbauVersion: 1.2Messgröße: weighted index scoreBewertung: Mehr ist besser	63,42 %	Gewinner73,42 %	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	69,002 %	Gewinner84,963 %	Vals AI Quellendetails Datenstand: 19.08.2026
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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	66,317 %	Höherer Messwert69,347 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBComps Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	39,489 %	Höherer Messwert72,685 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)Adjustments Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	38,568 %	Höherer Messwert51,461 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	92,929 %	Höherer Messwert93,434 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Criteria passed Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: criteria pass rateBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger87,319 %	Kein direkter Sieger87,319 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · All-pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: all-pass rateBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	51,515 %	Höherer Messwert54,545 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	89,507 %	Höherer Messwert90,733 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert99,068 %	98,758 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlBusiness, management and finance Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 4.365 anonymen Paarvergleichen.Kimi K3: Stilbereinigte Arena-Bewertung aus 3.052 anonymen Paarvergleichen.	1.463,609 95-%-Konfidenzintervall: ±9,541Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.490,29 95-%-Konfidenzintervall: ±11,183Der 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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert94,282 %	93,863 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	62,798 %	Höherer Messwert78,855 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchAlmost Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	4,5 %	Höherer Messwert17,5 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 30.000 tokens	32,54 %	Höherer Messwert44,048 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified<15 min fix Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert93,814 %	92,268 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	62,551 %	Höherer Messwert65,331 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Easy Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger91,667 %	Kein direkter Sieger91,667 %	Vals AI Quellendetails Datenstand: 06.08.2026
Time Horizon Index: KSPProgress efficiency Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: progressBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert5,939 %	4,072 %	Vals AI Quellendetails Datenstand: 05.08.2026
Vals IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	68,415 %	Höherer Messwert72,611 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexCorpFin v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	68,415 %	Höherer Messwert72,611 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	67,483 %	Höherer Messwert72,727 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDataroom Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	64,953 %	Höherer Messwert85,13 %	Vals AI Quellendetails Datenstand: 06.08.2026
Finance Agent (v2)All-Pass Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	36,743 %	Höherer Messwert41,69 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert92,929 %	92,424 %	Vals AI Quellendetails Datenstand: 09.08.2026
Harvey's Legal Agent BenchmarkAntitrust Competition · Task fully resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: task resolution rateBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger0 %	Kein direkter Sieger0 %	Vals AI Quellendetails Datenstand: 07.08.2026
Legal Research BenchAdministrative / Regulatory · Weighted partial credit Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: weighted partial-credit scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	88,75 %	Höherer Messwert90,731 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert83,22 %	82,612 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	73,429 %	Höherer Messwert74,286 %	Vals AI Quellendetails Datenstand: 09.08.2026
LMArena Text, Style ControlChinese Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: style-control-v1Messgröße: style-controlled Bradley-Terry ratingBewertung: Mehr ist besserGrok 4.5: Snapshot: grok-4.5, Harness: Arena text, style control Kimi K3: Snapshot: kimi-k3-max, Reasoning: max, Harness: Arena text, style controlGrok 4.5: Stilbereinigte Arena-Bewertung aus 1.462 anonymen Paarvergleichen.Kimi K3: Stilbereinigte Arena-Bewertung aus 986 anonymen Paarvergleichen.	1.510,774 95-%-Konfidenzintervall: ±16,427Der Arena-Score misst menschliche Präferenzen und ist kein fester Fähigkeitstest. Konfidenzintervall und Modellkonfiguration gehören zum Ergebnis.	Höherer Messwert1.531,702 95-%-Konfidenzintervall: ±19,329Der 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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert93,283 %	92,015 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Höherer Messwert60,811 %	53,816 %	Vals AI Quellendetails Datenstand: 09.08.2026
ProgramBenchFully Resolved Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	0 %	Höherer Messwert2 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 30.000 tokens	59,568 %	Höherer Messwert75,617 %	Vals AI Quellendetails Datenstand: 09.08.2026
SWE-bench Verified>4 hours Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	Kein direkter Sieger66,667 %	Kein direkter Sieger66,667 %	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 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	80,785 %	Höherer Messwert86,1 %	Vals AI Quellendetails Datenstand: 09.08.2026
Terminal-Bench 2.1Hard Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2.1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	56,667 %	Höherer Messwert74,444 %	Vals AI Quellendetails Datenstand: 06.08.2026
Vals IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	48,751 %	Höherer Messwert55,882 %	Vals AI Quellendetails Datenstand: 09.08.2026
Vals Multimodal IndexFinance Agent v2 Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1.2Messgröße: benchmark scoreBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	48,751 %	Höherer Messwert55,882 %	Vals AI Quellendetails Datenstand: 09.08.2026
CorpFin v2Shared Max Context Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 2Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	68,415 %	Höherer Messwert72,611 %	Vals AI Quellendetails Datenstand: 06.08.2026
EMBDCF Testdetails Testaufbau nicht identisch dokumentiertKein direkter SiegerVersion: 1Messgröße: accuracyBewertung: Mehr ist besserGrok 4.5: Reasoning: high, Temperatur: 0.7, Top P: 0.95 Kimi K3: Temperatur: 1, Ausgabegrenze: 262.144 tokens	41,455 %	Höherer Messwert58,877 %	Vals AI Quellendetails Datenstand: 06.08.2026
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 Kimi K3 mit weiteren wichtigen Modellen. Alle Duelle nutzen dieselbe Daten- und Benchmarklogik.

Zum vollständigen LLM-Vergleich