
Claude Opus 5.5 vs. Grok 4.8: Ein Modell, das man aufrufen kann – ein Versprechen, das man nicht einlösen kann
- OrcaNEUOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 pro 1 Mio. Tokens · 184 tok/s
- tencentNEUTencent: Hy4 Flash2026-11-16$0.02 / $0.07 pro 1 Mio. Tokens · 223 tok/s
- GoogleNEUGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 pro 1 Mio. Tokens · 87 tok/s
- AnthropicNEUAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 pro 1 Mio. Tokens · 96 tok/s
- orcaNEUOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 pro 1 Mio. Tokens · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 pro 1 Mio. Tokens · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 pro 1 Mio. Tokens · 77 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 pro 1 Mio. Tokens · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 pro 1 Mio. Tokens · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 pro 1 Mio. Tokens · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447Intelligenz
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 pro 1 Mio. Tokens · 209 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929Intelligenz
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 pro 1 Mio. Tokens · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733Intelligenz
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 pro 1 Mio. Tokens · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740Intelligenz
Der CEO des Unternehmens hinter Grok 4.8 wurde direkt gefragt, wie es im Vergleich zu Claude Opus 5.5 abschneidet. Seine Antwort, auf X am 10. November 2026, ist das Nützlichste, was jemand zu diesem Duell veröffentlicht hat: „Nicht so gut. Opus 5.5 ist ein Meisterwerk. Aber Grok 5 sollte Opus 5.5 übertreffen, und vielleicht passiert das in 2 oder 3 Monaten, mit fortgesetzter Beschleunigung danach.“ Das ist Elon Musk, der den Vergleich einräumt, und es ist zwölf Tage später auch der gesamte öffentliche Wissensstand zur Leistungsfähigkeit von Grok 4.8.
Denn Grok 4.8 ist kein Modell, das man aufrufen kann. Die eigene Entwicklerdokumentation von SpaceXSI – die Modellliste, die Preisseite und die Versionshinweise, alle am 19. November 2026 gelesen – führt grok-4.7 als neuesten Eintrag und enthält überhaupt keine grok-4.8 Zeile: keine Kennung, keine Preisliste, kein Kontextfenster, keine veröffentlichte Bewertung. Artificial Analysis hat keine Seite dafür; die Anfrage liefert 404. Claude Opus 5.5 hingegen ist seit dem 22. September 2026 allgemein verfügbar, mit einer Modell-ID, einer Preisliste und acht Wochen unabhängiger Messung.

Die nützliche Version dieser Seite ist also nicht ein Vergleich zweier Datenblätter. Sie ist ein Vergleich eines ausgelieferten Modells mit einem angekündigten Zeitplan, plus das eine, was Musks Eingeständnis tatsächlich klärt: was heute eingesetzt werden sollte.
Das Zugeständnis ist mehr wert, als es aussieht.
Anbieter machen bei Benchmarks keine Zugeständnisse, was ihr eigenes unveröffentlichtes Modell angeht, und der Vorbehalt, der damit einherging – Grok 5 werde Opus 5.5 in zwei oder drei Monaten übertreffen –, ist eine Aussage über ein anderes Modell als das im Titel dieses Artikels. Für keine der beiden Aussagen gibt es einen Benchmark, einen Testnamen oder ein Datum. Als Zeitplan statt als Spezifikation gelesen, verrät das Entwicklern zwei Dinge: Grok 4.8 wird nicht das Modell sein, das die Lücke schließt, und die eigene Erwartung des Unternehmens ist, dass die Lücke bis zum Ende des ersten Quartals 2027 offen bleibt.
Das ist ein bemerkenswertes Eingeständnis für alle, die derzeit auf Grok 4.7 aufbauen und sich fragen, ob sie warten sollten. Die Antwort vom eigenen Principal des Anbieters lautet, dass Warten eine Wette auf Grok 5 ist, nicht auf Grok 4.8.
Warum sich Grok 4.8 verzögert
Musks Posts vom 10. November boten eine konkretere Darstellung als jede Release Note. Das Pre-Training von Grok 4.8 ist abgeschlossen. Das Team befindet sich im Reinforcement Learning und musste die Daten überarbeiten, die für das überwachte Fine-Tuning verwendet werden. Ein genannter Grund für die Verzögerung ist ein Infrastruktur-Neuaufbau: SpaceXSI wechselte von JAX und SGLang auf sein eigenes RL-System und seinen eigenen Inference-Stack. Den Trainings- und Serving-Unterbau mitten in der RL-Phase eines Modells neu aufzubauen, ist die Art von Entscheidung, die sich in einem Zeitplan und nicht in einem Changelog zeigt, und es ist die plausibelste angebotene Erklärung für ein Modell, das seit September „unmittelbar bevorsteht“.
Der anzustellende Vergleich gilt nicht dem Start von Claude Opus 5.5, der ereignislos und planmäßig verlief, sondern dem, was diese Ereignislosigkeit eingebracht hat: acht Wochen stabile Identifikatoren, veröffentlichte Preise und Bewertungen von Drittanbietern, während sich das konkurrierende Modell in einem Stack-Rewrite befand. Stabilität ist ein Feature, und sie ist das eine, das Grok 4.8 nicht hat ausliefern können.
Was du tatsächlich ausführen kannst: Grok 4.7 gegen Opus 5.5
Grok 4.7 ist das Modell, das SpaceXSI Ihnen verkauft, während 4.8 fertiggestellt wird. Es wurde am 21. September 2026 ausgeliefert – einen Tag vor Opus 5.5 – mit einem Kontextfenster von 500.000 Token und einem Listenpreis von 2,00 US-Dollar pro Million Input-Token und 6,00 US-Dollar pro Million Output-Token. Beide Modelle gehören daher gemessen am Veröffentlichungsdatum derselben Generation an, was die unabhängigen Zahlen zur fairsten verfügbaren Einschätzung dessen macht, was Grok 4.8 schlagen muss und wie weit eine Grok-Veröffentlichung von der Frontier entfernt ist.
• Intelligenzindex — Claude Opus 5.5 bei 59,1 gegenüber Grok 4.7 bei 35,5, eine Differenz von 23,6 Punkten.
• Kosten pro Index-Aufgabe — $10.04 vs. $7.77, Grok 4.7 ist pro abgeschlossener Aufgabe also nur 23 % günstiger, trotz eines um 70 % niedrigeren Listenpreises.
• Terminal-Bench 4.0 — 59,6 % vs. 25,8 %. Opus 5.5 erreicht bei agentischen Terminal-Aufgaben mehr als das Doppelte von Grok 4.7.
• Terminal-Bench-Science 0.1 — 59,0 % vs. 11,4 %.
• FrontierCode-AA 2.0 — 46,4 % vs. 28,7 %.
• HLE-Diamond — 67,9 % vs. 23,2 %.
• GDPval-AA v2.1 — 1866 Elo vs 1717, der engste Abstand hier mit 149 Punkten.
• AnalystAgent — 56,3 % gegenüber 52,5 %, der Benchmark mit dem geringsten Abstand im Set.
• AA-Omniscience — 48,1 bei 50,3 % Halluzinationsrate gegenüber 31,2 bei 20,0 %.
• Kontext und Geschwindigkeit — 1 Mio. Tokens bei 117 Tok/s vs. 500K Tokens bei 71 Tok/s.

Die Verteilung ist der interessante Teil. Grok 4.7 ist nicht überall 24 Punkte schlechter: Bei GDPval, dem Board für wirtschaftlichen Wert, liegt es innerhalb von 8 %, und bei AnalystAgent innerhalb von 4. Das sind die Benchmarks, die Breite professioneller Ergebnisse statt Ausführungstiefe belohnen. Wo die Aufgaben die korrekte Ausführung einer langen Sequenz erfordern – Terminalarbeit, wissenschaftliche Terminalarbeit, agentisches Codieren –, ist die Lücke im Board am größten. Ein Gesamtwert von 23,6 Punkten beschreibt eigentlich eine bestimmte Schwäche, die sich über eine Suite hinweg verstärkt.
Die Kosten pro Aufgabe sind die Zahl, die Groks Preisgestaltung anprangert.
Ein Preisschild von $2/$6 gegenüber $4/$20 wirkt wie ein 2,5-facher Vorteil beim Ausgabepreis. Artificial Analysis hat $7,77 gegenüber $10,04 pro Aufgabe gemessen — 23 %. Der Grund: Grok 4.7 erzeugte über die Index-Suite hinweg 148 Mio. Ausgabe-Tokens gegenüber 218 Mio. bei Opus 5.5 — nur ein 1,5-facher Vorteil — und produziert sie mit 71 Tok/s gegenüber 117.
Setzt man das zusammen, ist Grok 4.7 gemessen an seinem Preis sowohl ausführlicher als auch in echter Zeit langsamer – bei 24,4 Minuten pro Index-Aufgabe gegenüber 24,6. Nahezu identische Latenz für 24 Indexpunkte weniger Leistungsfähigkeit und 23 % Ersparnis – das ist kein Wertversprechen, sondern ein Rabatt auf ein schlechteres Produkt. Wer sich aufgrund der Preisliste für Grok 4.7 entschieden hat, hat für dieses Privileg bezahlt.
Claude Opus 5.5 ist ebenfalls nicht günstig: 10,04 $ pro Aufgabe platzieren es am teuren Ende der Rangliste, und seine Aufgabenzeit von 24,6 Minuten ist wirklich langsam. Aber es liefert zumindest etwas für das Geld. Der richtige Vergleich für Kosteneffizienz auf dieser Rangliste sind nicht diese beiden – es ist GPT-6.2 Sol mit 1,01 $ pro Aufgabe für einen Index von 57,3, die Konfiguration, die beide im Hinblick auf den Preis schlecht aussehen lässt.
Was müsste zutreffen, damit Grok 4.8 dies ändert
Das ist der Teil, der es wert ist zu lesen, wenn Sie eine Migration und keinen Kauf planen. Ein Modell, das aus RL mit überarbeitetem überwachtem Fine-Tuning hervorgeht, kann sich in beide Richtungen stark bewegen, und die spezifischen Benchmarks, an denen Grok 4.7 scheitert, sind diejenigen, die RL bei verifizierbaren Aufgaben tendenziell zuerst behebt. Terminalarbeit, agentisches Coding und wissenschaftliche Ausführung haben allesamt maschinell prüfbare Belohnungen – genau das optimiert eine RL-Phase. Wenn Grok 4.8 einen großen Zuwachs beim Terminal-Bench gegenüber den 25,8 % von 4.7 verzeichnet, ist das das Signal dafür, dass der RL-Lauf funktioniert hat.
Drei Dinge müssten erscheinen, bevor irgendetwas davon umsetzbar würde. Eine grok-4.8Kennung in der Dokumentation von SpaceXSI. Eine Preisliste – und beachten Sie, dass ein neuer Inferenz-Stack ein plausibler Grund für eine Preisänderung in die eine oder andere Richtung ist. Und eine veröffentlichte Bewertung, denn Musks eigene Aussagen in diesem Monat haben Benchmark-Ergebnisse ausdrücklich als Qualitätsmaßstab abgetan, was bedeutet, dass das eigene Material des Anbieters zu 4.8 wahrscheinlich nicht in Form einer Zahlentabelle erscheinen wird.
Bis es diese gibt, ist die ehrliche Schätzung, dass Grok 4.8 irgendwo zwischen Grok 4.7 und Opus 5.5 liegt und dass niemand außerhalb von SpaceXSI weiß, wo. Jede Seite, die dir heute ein Kontextfenster, einen Preis oder eine Punktzahl für Grok 4.8 nennt, hat das erfunden.
Heute wählen
Grok 4.8 ist nicht Teil der Entscheidung. Claude Opus 5.5 ist es, neben Grok 4.7 und den Modellen, die tatsächlich um denselben Platz konkurrieren.
Wenn deine Arbeit aus langfristig angelegter agentischer Ausführung besteht – Coding-Agenten, Terminalautomatisierung, mehrstufige Recherche –, gewinnt Claude Opus 5.5 bei jedem Ausführungs-Benchmark mit einem Vorsprung, den kein Prompt Engineering schließen kann, und es kostet pro Aufgabe etwa 29 % mehr als Grok 4.7, um das zu erledigen. Das ist ein fairer Tausch und eine einfache Entscheidung.
Wenn Ihre Arbeit professionelle Breite umfasst – Analyse, das Verfassen von Texten, Aufgaben mit wirtschaftlichem Wert –, liegen die beiden nah genug beieinander, dass die 23 % Ersparnis Grok 4.7 rechtfertigen könnten, sofern Sie mit einem Kontextfenster von 500K statt 1M und mit der geringeren Recall-Leistung leben können, die ein Omniscience-Gesamtwert von 31 gegenüber 48 impliziert.
Wenn du auf Grok aufbaust und dich gegen genau diese Art von Verschiebung absichern willst, besteht das praktische Muster darin, die Modellwahl außerhalb deines Codes zu halten. Beide sind über einen einzigen OrcaRouter-Schlüssel erreichbar — anthropic/claude-opus-5.5 und grok/grok-4.7 — zu 0 % Aufschlag auf den Listenpreis des Anbieters, sodass die Grok-4.7-Zeile der Tarif des Herstellers selbst ist und eine SpaceXSI-Preisänderung bei 4.8 an dem Tag greift, an dem sie angekündigt wird, und nicht an dem Tag, an dem du sie bemerkst. Setze die Routing-Regel so, dass das Modell bevorzugt wird, das laut deiner Evaluierung stärker ist, und lass automatisches Failover einen Anbieter abfangen, der mitten im Lauf nicht mehr antwortet. Wenn Grok 4.8 dann erscheint, ist das Hinzufügen ein Routing-Eintrag, keine Migration.

Das Fazit, so wie es ist
Musk sagte, Grok 4.8 sei nicht so gut wie Claude Opus 5.5, und sagte dann, Grok 5 könnte es in zwei oder drei Monaten sein. Wörtlich genommen ist das ein Zwei-Quartals-Fenster, in dem das Frontier-Modell für agentische Ausführung dasjenige ist, das im September ausgeliefert wurde. Planen Sie damit, und behandeln Sie jede Ankündigung zu Grok 4.8 als Grund, Ihre Evaluierung erneut durchzuführen, statt als Grund, Ihre Integration umzuschreiben.
In diesem Artikel verglichen1
Aus diesem Artikel erkannt · Benchmarks: Artificial Analysis · täglich aktualisiert
