Drei Spitzenmodelle in einer Woche – und was davon zählt

Am 8. Juli veröffentlichte xAI sein Modell Grok 4.5, einen Tag später brachte OpenAI gleich drei Modelle auf einmal: GPT-5.6 in den Ausbaustufen Sol, Terra und Luna. Für den industriellen Mittelstand ändert ein solches Release selten etwas am Montag darauf. Trotzdem lohnt der Blick – weniger auf die Bestenlisten, mehr auf die Preisliste und auf das Kleingedruckte.

Die Preise

OpenAI staffelt seine drei Modelle klar: Luna kostet 1 Dollar je Million eingehender Token und 6 Dollar je Million ausgehender, Terra liegt bei 2,50 und 15 Dollar, das Spitzenmodell Sol bei 5 und 30 Dollar. Grok 4.5 setzt sich mit 2 und 6 Dollar dazwischen; für wiederholt gesendete Eingaben – etwa immer dieselben Grundlagendokumente – berechnet xAI nur 0,50 Dollar.

Die eigentliche Bewegung findet in der Mitte statt. Die mittlere Stufe kostet ungefähr die Hälfte des Vorgängermodells bei vergleichbarer Leistung. Wer eine KI-Anwendung im Haus hat, die seit einem Jahr auf dem damaligen Spitzenmodell läuft, sollte prüfen, ob sie heute auf einem mittleren Modell genauso gut und deutlich billiger liefe. Diese Prüfung ist meist ein Nachmittag Arbeit und spart oft mehr als jede Vertragsverhandlung.

Ebenfalls bemerkenswert: Alle drei GPT-5.6-Modelle haben ein Kontextfenster von einer Million Token – so viel Text kann das Modell in einer einzigen Anfrage gleichzeitig überblicken, grob 1.500 bis 2.000 Seiten. Ein komplettes Vertragswerk samt Anlagen passt hinein, ohne dass man es vorher zerschneiden muss.

Warum man den Bestenlisten diese Woche wenig glauben sollte

Hier wird es unangenehm für die Marketingabteilungen beider Anbieter.

OpenAI wirbt damit, dass Sol bei einem Test für lang laufende Agenten einen neuen Höchstwert setzt. Bei Programmieraufgaben sieht es anders aus: Dort liegt das Konkurrenzmodell Claude Fable 5 mit 80 Prozent deutlich vor Sol mit 64,6 Prozent. OpenAI hat daraufhin eine eigene Prüfung veröffentlicht, wonach rund 30 Prozent der Aufgaben in diesem Testsatz schlicht fehlerhaft sind. Das mag stimmen – nur entwertet es dann eben auch alle anderen Ergebnisse aus demselben Test, einschließlich der guten.

Bei xAI ist es noch direkter: Grok 4.5 wurde unter anderem auf echten Programmiersitzungen aus der Entwicklungsumgebung Cursor trainiert. Cursor hat inzwischen eingeräumt, dass dabei versehentlich auch ein älterer Stand des eigenen Quellcodes ins Training geriet – womit die Cursor-bezogenen Bestwerte des Modells wenig aussagen. Ein Modell, das die Lösung schon einmal gesehen hat, ist bei der Prüfung im Vorteil.

Der Entwickler Simon Willison, der Sol vorab testen konnte und als eine der nüchterneren Stimmen der Branche gilt, fasste seinen Eindruck so zusammen: Bei den komplexen Programmieraufgaben, mit denen er üblicherweise arbeite, sei ihm Sol nicht besser vorgekommen als das Konkurrenzmodell.

Das Detail, das europäische Unternehmen angeht

Grok 4.5 war zum Start in der EU nicht verfügbar; xAI stellte eine Freigabe für Mitte Juli in Aussicht. Das ist kein Einzelfall, sondern inzwischen Muster: Ein Modell, das in den USA angekündigt wird, ist in Europa nicht am selben Tag nutzbar – manchmal wegen regulatorischer Prüfungen, manchmal, weil der Anbieter die Reihenfolge so wählt.

Für die Planung heißt das schlicht: Zwischen der Ankündigung eines Modells und dem Tag, an dem man es in einem europäischen Produktivsystem einsetzen kann, liegen Wochen. Wer einen Zeitplan an ein Release hängt, plant auf Sand.

Was bleibt

Kurzfristig: wenig. Für den überwiegenden Teil der Anwendungsfälle im Mittelstand – Dokumente auswerten, Angebote vorbereiten, Anfragen vorsortieren – waren die Modelle schon vor dieser Woche gut genug. Der Engpass liegt fast nie am Modell, sondern an den Daten, den Prozessen und der Frage, wer das Ergebnis prüft.

Mittelfristig zählt der Trend: Die Preise fallen weiter, die Kontextfenster wachsen, und die Anbieter optimieren ihre Modelle inzwischen auf lange, mehrstufige Arbeitsabläufe statt auf einzelne Antworten. Wer abwartet, verliert derzeit erstaunlich wenig – und spart sich die Umbauten, die jede neue Modellgeneration mit sich bringt.