Claude Fable 5.1 gegen Grok 4.6: Neun Indexpunkte und ein achtfacher Output-Preis – Was die Lücke tatsächlich bringt

Claude Fable 5.1 und Grok 4.6 sind die beiden geschlossenen Frontier-Modelle, die die Preisspanne der aktuellen Generation abstecken. Das neue Flaggschiff von Anthropic, veröffentlicht am 1. September 2026, verlangt 10,00 $ pro Million Eingabe-Tokens und 50,00 $ pro Million Ausgabe-Tokens, und in der aktuellen Version des Intelligence Index von Artificial Analysis liegt es bei 53 – auf Platz 1 der 201 Modelle, die dieser Index verfolgt. Grok 4.6 von SpaceXAI, erhältlich seit dem 12. August, verlangt 2,00 $ und 6,00 $ für dieselben Einheiten und misst 44 – Platz 20 von 201. Neun Indexpunkte trennen sie. Der achtfache Ausgabepreis trennt sie. Welcher dieser beiden Zahlen für eine bestimmte Arbeitslast Bedeutung zukommt, ist die eigentliche Frage, und sie weisen in unterschiedliche Richtungen, je nachdem, was man das Modell zu tun bittet.

Quellenangabe, vorweg: Artificial Analysis hat seinen Intelligence Index im September neu bewertet, daher stammen die hier aufgeführten Zahlen aus der aktuellen Version, erfasst am 10. September 2026, und nicht aus der älteren Skala, die in vielen August-Berichten noch zitiert wird. Indexwerte aus verschiedenen Versionen sind nicht vergleichbar, weshalb die unten stehenden Zahlen womöglich niedriger wirken als das, was Sie beim Start der jeweiligen Modelle gelesen haben. Alles, was als herstellerangegeben gekennzeichnet ist, stammt aus dem eigenen Bewertungsbogen des veröffentlichenden Labs und wurde nicht von einer neutralen Stelle reproduziert. Dieser Vorbehalt wiegt hier ungleich: Grok 4.6 wurde einen Monat lang extern geprüft, während Claude Fable 5.1 neun Tage alt ist und das meiste, was öffentlich über seine Kernzahlen bekannt ist, nach wie vor auf Anthropics Wort beruht.

Zwei Labore, zwei verschiedene Dinge im Angebot.

Die September-Veröffentlichung von Anthropic ist ein Fähigkeiten-Schachzug, an den eine Sicherheitsgeschichte angehängt ist. Claude Fable 5.1 ist der allgemein verfügbare Zwilling von Claude Mythos 5.1, dem sicherheitseingeschränkten Geschwistermodell, das nur geprüfte Cybersicherheits- und Life-Science-Organisationen erreicht – gleiches Basismodell, unterschiedliche Schutzvorkehrungen. Was Anthropic verkauft, ist die Spitze des unabhängigen Index, ein Kontextfenster von 1M Token, bis zu 128K Ausgabe-Token in einer einzigen Antwort und ein Agenten-Ökosystem, das rund um Claude Code und die Claude-Apps aufgebaut ist. Der Pitch ist unkompliziert: Dies ist das Modell, das Sie einsetzen, wenn die Arbeit anspruchsvoll genug ist, dass eine falsche Antwort mehr kostet als die Token, die sie verbraucht hat.

SpaceXAI verkauft etwas Engeres und mit der Zeit Aggressiveres – das günstigste Modell, das immer noch an der Spitzenklasse ist, und so niedrig bepreist, dass es extravagant wirkt, Agents auf irgendetwas anderem aufzubauen. Grok 4.6 ist kein Scale-up: Es basiert auf derselben Grundlage wie Grok 4.5, mit einem längeren ergänzenden Trainingslauf und stärkerem Reinforcement Learning, was laut Anbieter „Intelligenz vergleichbar mit GPT-5.6 Sol und Claude Fable 5“ erkauft. Bei $2/$6 und weiterhin in den Top 20 des Index ist das das gesamte Argument. Es ist auch eine Strategie, nicht nur ein Preis. SpaceXAI besitzt Cursor, hat seinen Grok Bot Browser-Agenten am Tag vor dem Modell veröffentlicht und betreibt eigene Verbraucher-Chat-Apps; ein Spitzenmodell zu Rohstoffpreisen ist Treibstoff für alle. Elon Musks öffentliche Rechnerei – KI-Umsatz, der jedes andere Unternehmenssegment übertrifft, 10 GW Rechenleistung – weist in dieselbe Richtung. Dieses Modell ist nicht bepreist, um die API-Marge zu maximieren.

Das Datenblatt, Dimension für Dimension

• Preis pro 1M Token — Claude Fable 5.1 $10.00 Input / $50.00 Output vs. Grok 4.6 $2.00 Input / $6.00 Output.

• Cache-Eingabe — Claude Fable 5.1 0,25 $ pro 1 Mio. vs. Grok 4.6 0,50 $, und Artificial Analysis listet einen effektiven Cache-Rabatt von 98 % gegenüber 75 % auf.

• Preisgestaltung bei langen Kontexten — Claude Fable 5.1 bepreist sein Kontextfenster bis zu 1M Tokens pauschal; Grok 4.6 bepreist die gesamte Anfrage auf $4.00 / $12.00 / $1.00 neu, sobald sie 200K Eingabe-Tokens überschreitet, sodass sein Rabatt genau dort dünner wird, wo lange Agentenläufe stattfinden.

• Kontext und Ausgabe — Claude Fable 5.1 bietet ein Kontextfenster von 1 Million Token und bis zu 128.000 Ausgabe-Token, während Grok 4.6 über ein Kontextfenster von 500.000 Token, einen Reasoning-Aufwand-Regler von niedrig bis extra hoch und eine schnellere Variante zum doppelten Tarif verfügt.

• Unabhängige Bewertung, Geschwindigkeit und Kosten — Artificial Analysis hat Claude Fable 5.1 bei 53 auf seinem aktuellen Intelligence Index (#1 von 201), 67.2 Ausgabe-Token pro Sekunde und $7.63 pro Index-Aufgabe; Grok 4.6 liegt bei 44 (#20 von 201), 52.8 Token pro Sekunde und $1.86 pro Aufgabe. Beide werden bei dieser Messung als „sehr wortreich“ oder „etwas wortreich“ eingestuft — 190M Ausgabe-Token für das Claude-Modell gegenüber 94M für Grok.

• Behauptungen zu Vendor-Benchmarks — Anthropic meldet 52,6 % bei Terminal-Bench-Science 0.1 (mehr als das Doppelte der 24,7 % von Claude Fable 5), 55,8 % bei Terminal-Bench 4.0 und 1.853 bei GDPval-AA v2 für Claude Fable 5.1. SpaceXAI meldet 65,9 % bei DeepSWE v1.1 und 69,9 % bei CursorBench v3.2 für Grok 4.6, zusätzlich zu einem selbst gemeldeten Wert von 26 % bei Terminal-Bench v3.0 — die eine Zeile in der eigenen Tabelle des Anbieters, die auffallend schwach ist.

• Wo jede einzelne läuft — Anthropics API, die Claude-Apps, Claude Code, Amazon Bedrock, Google Cloud und Microsoft Foundry gegenüber der SpaceXAI-API, Cursor, Grok Build, dem Grok-Bot-Agenten, den Grok-Consumer-Apps und Amazon Bedrock GovCloud.

• Veröffentlicht — Claude Fable 5.1 am 1. September 2026; Grok 4.6 am 12. August 2026.

Was neun Indexpunkte tatsächlich darstellen

Beim aktuellen unabhängigen Index ist die September-Reihenfolge eindeutig: Claude Fable 5.1 bei 53 Punkten und Platz 1 von 201, Grok 4.6 bei 44 Punkten und Platz 20. Der neu bewertete Index braucht eine Klarstellung, denn es ist die Art von Sache, die Launch-Wochen-Zahlen im Nachhinein falsch aussehen lässt: Artificial Analysis hat seinen Intelligence Index im September neu aufgestellt, wodurch die veröffentlichten Punktzahlen beider Modelle nach unten korrigiert wurden. Ein Abstand von neun Punkten ist real, aber der Index ist ein gewichteter Gesamtwert – stark auf agentische Arbeit ausgerichtet, mit Codierung, wissenschaftlichem Denken und allgemeiner Leistungsfähigkeit im Hintergrund –, sodass er ein gemischtes Bild pro Dimension auf eine einzige Linie komprimiert.

Die Evidenz pro Dimension ist verrauschter und nützlicher. Anthropics eigene Kennzahl für Terminal-Bench-Science 0.1 — 52,6 %, mehr als doppelt so viel wie die 24,7 % der vorherigen Generation — zielt genau auf die langfristig angelegten wissenschaftlichen und Forschungs-Workflows ab, die für agentische Käufer entscheidend sind, und kein aktuelles Modell kommt auf dieser spezifischen Benchmark auch nur annähernd an diesen Wert heran. SpaceXAIs Anbietertabelle ist am stärksten im Software-Engineering (65,9 % DeepSWE v1.1, 69,9 % CursorBench v3.2) und am schwächsten bei terminallastigen Agenten-Schleifen, wo Grok 4.6 mit eigenen 26 % bei Terminal-Bench v3.0 unter den 34,6 % von GPT-5.6 Sol Max und den 34,1 % von Claude Fable 5 Max liegt. Beide Tabellen sind Eigenangaben der Anbieter und wurden nicht reproduziert; sie beschreiben, wo jedes Labor sich selbst als stark einschätzt, nicht, wer gewinnt.

Das Kleingedruckte bei günstigen Tokens

Grok 4.6 hat einen echten Preisvorteil, und bei kurzem und mittlerem Kontext ist dieser enorm: Eine ausgabelastige Workload kostet pro generiertem Token rund 83 % weniger als bei Claude Fable 5.1. Doch die Preisliste hat drei Kanten, die ein Frontier-Vergleich meist überspringt.

Der erste ist die 200K-Schwelle. Beim Überschreiten von 200.000 Eingabe-Tokens wird die gesamte Anfrage neu zu $4/$12 abgerechnet, nicht nur die Token oberhalb der Schwelle. Bei einem langen Agentenlauf, der Kontext ansammelt — genau die Arbeitslast, für die beide Modelle verkauft werden — verdoppelt sich der effektive Tarif ohne Vorwarnung und beträgt nicht mehr ein Fünftel des Preises von Claude. Der zweite ist die schnellere Variante, die das Doppelte des Basistarifs kostet und die einzige beworbene Möglichkeit ist, die unterdurchschnittliche Output-Geschwindigkeit des Modells zu beheben. Der dritte sind serverseitige Tool-Aufrufe, die separat pro tausend Aufrufe abgerechnet werden.

Die Preisänderung von Claude Fable 5.1 im September schlägt in die andere Richtung aus. Die nominellen $10/$50 blieben unverändert, aber der Preis für Cache-Lesezugriffe fiel um 75 % auf 0,25 $ pro Million Tokens – und genau dort geben lange agentische Sitzungen ihr Geld tatsächlich aus: beim wiederholten Lesen von Tool-Ausgaben, Dateiinhalten und früheren Wendungen. Artificial Analysis zeigt, dass der daraus resultierende effektive Cache-Rabatt bei 98 % liegt, gegenüber 75 % bei Grok. Ein Viertel pro Million erneut gelesener Tokens zu zahlen, verändert die Rechnung eines mehrstündigen Agents auf eine Weise, die der Schlagzeilenpreis nie zeigt.

Das ehrliche Gegengewicht ist die Ausführlichkeit, und sie ist der Grund, warum die tatsächliche Kostenlücke nicht achtfach ist. Da das Claude-Modell etwa doppelt so viele Token ausgibt, um dieselbe Indexaufgabe abzuschließen – 190 Millionen gegenüber Groks 94 Millionen –, landet das Kosten-pro-Aufgabe-Maß von Artificial Analysis bei 7,63 $ für Claude Fable 5.1 gegenüber 1,86 $ für Grok 4.6. Das ist ein Faktor von ungefähr vier, nicht acht, und es ist die Zahl, an der man ein Budget ausrichten sollte.

Der Unterschied, der nie auf den Tisch kommt.

Bei der Latenz gehen die beiden Modelle bei interaktiven Produkten auseinander, und das Ergebnis ist das Gegenteil dessen, was der Preis vermuten lässt. Artificial Analysis misst Claude Fable 5.1 bei 67,2 Ausgabe-Token pro Sekunde – über dem Klassendurchschnitt – gegenüber 52,8 für Grok 4.6, das diese Messung als unterdurchschnittlich einstuft; die Indexübersicht für Grok hat es pointiert als langsamer als vergleichbare Modelle beschrieben, was genau der Grund dafür ist, dass SpaceXAI eine schnellere Variante zum doppelten Preis verkauft. Außerdem ist das Modell von Anthropic laut derselben unabhängigen Quelle das wortreichere der beiden. Das billige Modell ist also das langsamere, und das teure Modell schreibt mehr, als es müsste: zwei Kosten, die in entgegengesetzte Richtungen ziehen und von denen keine auf der Preisliste erscheint.

Beide anrufen, ohne sich heute für eine von beiden zu entscheiden.

Die praktische Konsequenz aus einem Abstand von neun Punkten, einem vierfachen Kostenunterschied pro Aufgabe und einer Preisliste mit zahlreichen Stufen ist, dass die meisten Teams beide Modelle einsetzen sollten, und die interessante Frage ist, wo der Umschaltpunkt liegt. Das ist günstiger, als es klingt: Claude Fable 5.1 und Grok 4.6 sind beide auf OrcaRouter zu den Listenpreisen ihrer Anbieter ohne Aufschlag verfügbar — die oben genannten $2/$6 und $10/$50 sind die Zahlen, die auf der Rechnung erscheinen, und jede Preisänderung des Anbieters schlägt am selben Tag durch, anstatt in einer Wiederverkäufermarge aufzugehen. Ein Endpunkt deckt beide ab, also ist das Eskalationsmuster eine Routing-Regel statt eines zweiten Vertrags: senden Sie hochvolumige, klar umrissene Arbeiten an Grok 4.6, eskalieren Sie an Claude Fable 5.1, wenn die Aufgabe die maximale Denkfähigkeit erfordert, und lassen Sie den automatischen Failover den Fall abdecken, in dem der Durchsatz des günstigeren Modells für eine Frist zu langsam ist. Die Routing-DSL drückt diese Kette an einer Stelle aus, und die Modellfusion lässt ein Panel aus Modellen gemeinsam antworten, wenn eine Aufgabe wichtig genug ist, um mehr als eine Meinung einzuholen. Der Preisabstand ist dann keine einmalige Entscheidung mehr, sondern wird zu einem Wert, den Sie justieren, während sich Ihr Arbeitslastmix verschiebt.

Wer sollte welche auswählen?

Wählen Sie Claude Fable 5.1, wenn die Kosten für eine falsche oder abgebrochene Antwort die Token-Kosten überwiegen: langfristige agentische Forschung, anspruchsvolles Denken, regulierte Arbeit, bei der Anthropics Sicherheitsrahmen und seine gestaffelten Kontrollen zur Null-Datenspeicherung wichtig sind, und alles, was in Claude Code läuft. Wählen Sie Grok 4.6, wenn die Arbeit ein hohes Volumen hat, gut abgegrenzt und durchsatz-tolerant ist – Batch-Codierung, Extraktion, Generierung, Agentenschleifen, deren Schritte kurz genug sind, um unter der 200K-Neupreisgrenze zu bleiben – und wenn Sie Agenten bauen, bei denen das Modell eine Komponente ist und die Kosten pro Aufgabe das gesamte Geschäftsmodell darstellen.

Zwei offene Punkte sind zu beobachten, bevor sich eine der beiden Optionen verfestigt. SpaceXAI hat Grok 4.7 bereits erneut für die nahe Zukunft angekündigt, und falls es die gleiche Preisstufe bei höherer Leistung erbt, wird aus dem heutigen Schnäppchen innerhalb von Wochen ein Mittelklasse-Modell. Anthropic hingegen zeigt einen etwa monatlichen Rhythmus und die Bereitschaft, die Cache-Preise zu senken, ohne die Listenpreise anzutasten, was darauf hindeutet, dass der nächste Zug in diesem Duell eher auf der Kostenseite liegen dürfte als beim Index. Keiner der beiden Punkte ändert, was die Modelle heute tun, aber beide sind Gründe, die Modell-ID als Konfigurationswert zu behalten. Bei einem Endpunkt mit Durchreich-Preisen und Failover ist das die Standardeinstellung und kein Projekt.