GPT-5.6 vs. Grok 4.6: Gleichstand beim Index, Uneinigkeit bei Kontext und Preis

Auf der Skala des Artificial Analysis Intelligence Index, an der beide bis Anfang September 2026 gemessen wurden, erzielten OpenAIs GPT-5.6 — dessen Flaggschiff-Tier GPT-5.6 Sol das ist, wohin der API-Name gpt-5.6 leitet — und SpaceXAIs Grok 4.6 dieselbe Zahl: 61. Ein unabhängiger Index, der zwei konkurrierende Flaggschiffe gleich einstuft, ist die seltenste Art von Ergebnis in einem Frontier-Vergleich, und genau hier wird dieses Duell interessant, statt zu enden. Die Modelle, die gleichauf lagen, werden sehr unterschiedlich verkauft. GPT-5.6 Sol, das Flaggschiff, das OpenAI am 9. Juli veröffentlichte und beim Start von GPT-6 Astra am 3. September als Value-Tier neu positionierte, ist nach einer Preissenkung am 24. August für 4,00 $ pro Million Input-Tokens und 20,00 $ pro Million Output-Tokens gelistet und liest bis zu etwa 1,05 Millionen Token Kontext. Grok 4.6, das xAI am 12. August veröffentlichte, ist für 2,00 $ / 6,00 $ gelistet und erreicht maximal 500.000 Token. Gleiche Punktzahl auf dem unabhängigen Index, und dann unterscheiden sich die beiden Modelle darin, wie weit man eine einzelne Anfrage ausreizen kann — und was dieses Ausreizen kostet.

Diese Seite existiert jetzt aus einem konkreten Grund: Die beiden Tarifkarten und die beiden Obergrenzen verschoben sich innerhalb weniger Wochen. Grok 4.6 erschien am 12. August und war nach anfänglichen zwei Wochen, in denen es auf Grok Build und die API beschränkt war, ab dem 28. August in normalen Grok-Chats im Web und auf Mobilgeräten verfügbar. GPT-5.6 Sols Werbeaktion kam am 24. August, und zehn Tage später stufte der Start von GPT-6 Astra Sol stillschweigend vom Flaggschiff zum Wert-Flaggschiff herab. Beide unten aufgeführten Modelle sind jetzt das, wonach man greift, wenn man Reasoning nahe der Spitzenklasse möchte, ohne Astra-Klassen-Preise zu zahlen – genau deshalb ist das 61-zu-61-Unentschieden zum lebendigen Entscheidungspunkt geworden und nicht zu einer Quizfrage.

Was "tied at 61" bedeutet und was nicht.

Die Punktzahl braucht ein Datum und einen Maßstab. Artificial Analysis hat GPT-5.6 Sol bei etwa 61 und Grok 4.6 bei 61 auf der Index-Skala gemessen, die bis Anfang September in Gebrauch war – die Skala, auf die sich die anderen GPT-5.6-Vergleiche dieses Blogs beziehen –, wobei Grok auf Platz 11 der 202 Modelle rangierte, die AA verfolgt, und Sol bei derselben Punktzahl nur wenige Plätze dahinter lag. AA kalibrierte den Index dann am 7. September neu (v4.3), eine Version, die die Punktzahlen staucht: GPT-5.6 Sol misst dort 47, GPT-6 Astra und Claude Fable 5.1 messen 53, und für Grok 4.6 wurde auf der neuen Skala noch kein Gesamtwert veröffentlicht. Der Gleichstand unten ist daher eine Aussage über die September-Skala vor der Neukalibrierung und wird am besten als relative Position gelesen: Auf dem neuesten Index, der beide bewertete, lagen diese beiden gleichauf und beide knapp hinter der Claude-Opus-5-Klasse.

Noch ein Vorbehalt zum Gleichstand, und der ist wichtig für den Umgang mit dem Ergebnis. Die beiden Punktzahlen wurden bei unterschiedlichen Aufwandsstufen erzielt: GPT-5.6 Sol bei maximalem Reasoning, also bei der höchsten Stufe, die OpenAI anbietet und die bei schwierigen Anfragen vier parallele Subagenten startet; Grok 4.6 bei high, also der Standardeinstellung von xAI auf dem Regler von low bis xhigh. Beide sind „Gib alles“-Konfigurationen, aber nicht dieselbe Konfiguration; der Gleichstand besteht zwischen genau diesen beiden Einstellungen, nicht zwischen allen Einstellungen, die die Modelle anbieten. Was die Punktgleichheit tatsächlich belegt, ist, dass keines der Modelle auf einem unabhängigen Gesamtindex einen Vorsprung bei der allgemeinen Intelligenz besitzt, auf den sich eine Seite berufen könnte – ein Käufer, der zwischen ihnen wählt, muss also hinter den Index blicken und auf Kontext, Preis und die Belege achten, die jede Seite tatsächlich vorweisen kann.

Zwei Tarifkarten, zwei Klippen

Beide Anbieter rechnen einen langen Prompt als Premium-Ereignis ab, und beide rechnen die gesamte Anfrage zum höheren Tarif ab, sobald ein Schwellenwert überschritten wird – das ist der gemeinsame Mechanismus, der diesen Preisvergleich nachvollziehbar macht. OpenAI verlangt für GPT-5.6 Sol $4.00 / $20.00 pro Million Tokens, mit Cache-Lesezugriffen zu $0.40; sobald eine Anfrage rund 272.000 Eingabe-Tokens überschreitet, wird die gesamte Anfrage auf $8.00 / $30.00 neu berechnet – die Langkontext-Struktur, die Epoch AI am 8. September dokumentiert hat. xAI verlangt für Grok 4.6 $2.00 / $6.00 pro Million Tokens, mit Cache-Lesezugriffen zu $0.50; sobald ein Prompt 200.000 Tokens überschreitet, wechselt die gesamte Anfrage auf $4.00 / $12.00.

• Veröffentlicht — GPT-5.6: 9. Juli 2026 (öffentliche API; der gpt-5.6-Alias erreicht die Sol-Stufe). Grok 4.6: 12. August 2026.

• Listenpreis pro 1 Mio. (Eingabe / Ausgabe) — GPT-5.6 Sol: $4.00 / $20.00, Cache-Lesezugriffe $0.40 (Aktionspreis bis mindestens 21. November 2026). Grok 4.6: $2.00 / $6.00, Cache-Lesezugriffe $0.50.

• Stufe für lange Prompts — GPT-5.6 Sol: gesamte Anfrage auf $8.00 / $30.00 über ~272K Eingabe. Grok 4.6: gesamte Anfrage auf $4.00 / $12.00 bei 200K Eingabe.

• Kontext / Ausgabeobergrenze — GPT-5.6 Sol: ~1,05 M Eingabe, 128K Ausgabe. Grok 4.6: 500K Eingabe, keine veröffentlichte Obergrenze für die Ausgabe.

• Index (unabhängig) — GPT-5.6 Sol (max) ~61 vs. Grok 4.6 (hoch) 61, September-Skala vor der Rekalibrierung.

• Modalität — beide akzeptieren Text- und Bildeingaben und erzeugen Text.

Wenn man die durchgerechneten Zahlen betrachtet, ist das Muster eindeutig: Bei jeder Prompt-Länge, die Grok 4.6 bedienen kann, ist es die günstigere Wahl, da seine neu bepreiste Obergrenze weiterhin auf oder unter dem Standardtarif von GPT-5.6 Sol liegt.

• 100K Eingabe / 8K Ausgabe — GPT-5.6 Sol: 0.10 × $4 + 0.008 × $20 = $0.56. Grok 4.6: 0.10 × $2 + 0.008 × $6 = $0.25. Grok ist bei dieser Anfrage etwa 55 % günstiger.

• 400K Eingabe / 30K Ausgabe (beide neu bepreist) — GPT-5.6 Sol: 0.40 × $8 + 0.03 × $30 = $4.10. Grok 4.6: 0.40 × $4 + 0.03 × $12 = $1.96. Grok ist immer noch ungefähr halb so teuer, selbst nach seinem eigenen Preisabfall.

• 600K Eingabe / 30K Ausgabe — GPT-5.6 Sol: 0,60 × $8 + 0,03 × $30 = $5,70. Grok 4.6: nicht möglich — 600K überschreitet sein 500K-Kontextfenster. Dies ist der Bereich, in dem Sol die einzige Option ist und in dem sein Preis nicht mehr premium wirkt.

Die Klippen-Geometrie unterscheidet sich in einem Punkt, der GPT-5.6 Sol begünstigt: Seine Schwelle (272K) liegt höher als die von Grok (200K), sodass es einen Bereich gibt – etwa 200K bis 272K Eingabe –, in dem Grok bereits neu bepreist wurde und Sol noch nicht. Selbst dort gewinnt Grok meist in Dollar, weil sein neu bepreister Ausgabesatz von 12 $ immer noch 40 % unter Sols Standard von 20 $ liegt. Die Wirtschaftlichkeit kippt erst bei über 500K Tokens zugunsten von Sol – genau in dem Bereich, den Groks Kontextfenster nicht betreten kann. Wenn Ihre Promptlängen unter 200K bleiben – was auf den Großteil des Chat-, RAG- und Code-Assist-Traffics zutrifft – ist Grok 4.6 bei gemischten Kosten im großen Maßstab fast um den Faktor zwei günstiger, und die Klippe, die für die gesamte Anfrage gilt, bedeutet, dass Sie 200K als Planungsgrenze und nicht als weiche Empfehlung behandeln sollten.

Wozu Sols zusätzliche halbe Million Token eigentlich dienen

Das 500K-Kontextfenster von Grok 4.6 deckt mehr reale Workloads ab, als das Datenblatt vermuten lässt – das Lesen kompletter Codebasen, lange Agenten-Transkripte, große Retrieval-Kontexte – und das Fehlen einer veröffentlichten Ausgabegrenze hilft auf der Generierungsseite: Für einen einzelnen Aufruf, der ein sehr langes Artefakt erzeugen muss, hat Grok keine dokumentierte Obergrenze, während GPT-5.6 Sol bei 128K Ausgabe-Token stoppt. Der Vorteil von GPT-5.6 Sol liegt im Bereich von 500K bis 1,05M, und die Workloads, die diesen Bereich wirklich benötigen, sind enger, als das Marketing suggeriert: Agenten, die ein ganzes Repository plus eine lange Aufgabenhistorie im Kontext halten, sehr lange Besprechungs- oder Forschungstranskripte, die in einem Durchgang analysiert werden, und Retrieval-Aufgaben über Textsammlungen, die zu groß sind, um sie in Grok-große Fenster zu unterteilen. Wenn keine Ihrer Pipelines diesen Bereich berührt, ist Sols zusätzlicher Kontext ein Spielraum, den Sie mit dem $4.00-Eingabepreis bezahlen, ohne ihn zu nutzen.

Die beiden Modelle unterscheiden sich auch in ihrer Vorgehensweise beim Reasoning. GPT-5.6 Sol bietet einen Aufwand-Regler mit den Stufen low / medium / high / max; bei „max“ werden vier parallele Subagenten ausgeführt, die sich bei schwierigen Aufgaben abstimmen – praktisch ein kleiner Agentenschwarm für jede anspruchsvolle Anfrage. Das ist zwar leistungsstark, verbraucht aber viele Output-Tokens und ist genau die Einstellung, die hinter dem Indexwert von ~61 steckt. Grok 4.6 setzt dagegen auf ein einzelnes Modell, einen Regler von low bis xhigh (Standard: high) und serverseitige Tools für Suche und Codeausführung. Dadurch lässt sich das Verhalten besser kalkulieren: eine Anfrage, ein Modell, Kosten, die sich anhand der Preisliste abschätzen lassen. Für Entwickler, die vorhersehbare Ausgaben wollen, ist das Ein-Modell-Design von Grok betrieblich einfacher; für die schwierigsten Aufgaben mit langem Horizont ist der Max-Effort-Schwarm von Sol die leistungsfähigere Konfiguration – und der Grund, warum sein bestes Ergebnis und seine höchsten Rechnungen aus derselben Einstellung stammen.

Die Beweise, die jede Seite tatsächlich vorzeigen kann.

Keines der beiden Modelle hat einen unabhängig bestätigten Vorsprung auf der Coding-Bestenliste, daher verteilen sich die zitierbaren Belege nach Anbieter. OpenAI gibt für GPT-5.6 Sol etwa 96 % bei SWE-bench Verified an – die stärkste Coding-Referenz, die eines der Modelle vorweisen kann, zugleich aber eine gemeldete Auswertung, für die noch keine unabhängige Prüfung veröffentlicht wurde – und Sols Vorteil in der Praxis besteht darin, dass es in die Codex- und ChatGPT-Tools integriert ist. xAI meldet für Grok 4.6 94,9 % bei GPQA Diamond, was es als den höchsten auf diesem Benchmark gemessenen Wert bezeichnet, und führt agentische Evaluierungen an, die durchschnittlich etwa 0,84 US-Dollar an API-Kosten pro umfassender Aufgabe verursachen; beide Angaben stammen vom Anbieter. Bei der Geschwindigkeit liegen die beiden näher beieinander, als es die Preisdifferenz vermuten lässt: AA maß Grok 4.6 bei 64,9 Ausgabe-Token pro Sekunde und GPT-5.6 Sol im selben mittleren 60er-Bereich im Standardbetrieb, während OpenAIs separates, auf Cerebras basierendes „Ultrafast“-Vorschauangebot (bis zu etwa 750 Token pro Sekunde) weiterhin begrenzt verfügbar und ohne Preisangabe ist. Lies die gesamte Belegtabelle wie folgt: Gleichstand beim Index, Coding-Nachweise auf beiden Seiten ohne unabhängige Prüfung und kein Geschwindigkeitsunterschied, der die Entscheidung ändert.

Welche Voreinstellung ist im September 2026 rational?

Wählen Sie Grok 4.6, wenn Ihr Traffic unter 200.000 Eingabe-Token liegt – der Preis ist bei jeder unterstützten Länge fast halb so hoch, der unabhängige Index sagt, die Modelle seien gleichwertig, und ein Ein-Modell-Regler mit serverseitigen Tools hält die Rechnung planbar. Wählen Sie GPT-5.6 Sol, wenn Sie wirklich den Kontextbereich von 500K bis 1.05M benötigen, wenn Ihr Stack bereits Codex- oder ChatGPT-nativ ist und der gemeldete SWE-bench-Wert von ca. 96 % der Beschaffung einen Programmierbeleg liefert, oder wenn Sie die Option mit vier Subagenten und maximalem Aufwand für die schwierigsten langfristigen Aufgaben möchten. Und beachten Sie zwei Daten: Die $4/$20-Aktion von GPT-5.6 Sol ist nur mindestens bis zum 21. November 2026 garantiert, danach verschiebt sich dieser Vergleich, und xAI hat bereits ein Grok 4.7 angedeutet – jedes dieser Ereignisse könnte das Duell, auf das Sie sich gerade standardisieren wollen, neu bepreisen.

Beide betreiben, ohne die Architektur neu zu gestalten.

Da der Gleichstand im Index bedeutet, dass dies eher eine Entscheidung über Obergrenze und Preis als über Qualität ist, besteht die praktische Vorgehensweise für die meisten Teams darin, zu routen statt zu wählen. GPT-5.6 Sol und Grok 4.6 sind beide auf OrcaRouter zu den Listenpreisen ihrer Anbieter verfügbar, ohne Aufschlag durchgereicht – OpenAIs $4/$20 und xAIs $2/$6 sind die Zahlen im Listing, und wenn einer der Anbieter einen Preis ändert, ist der neue Preis am selben Tag unter demselben Schlüssel live. Mit einem OpenAI-kompatiblen Endpoint können Sie Traffic unter 200K an Grok 4.6 senden, Prompts, die Sols längeren Kontext oder seine Max-Effort-Konfiguration benötigen, eskalieren und automatisches Failover nutzen, sodass ein Rate-Limit auf einem Anbieterpfad ein Routing-Ereignis und kein Ausfall ist.

Die Preishälfte dieses Vergleichs ist der Teil, der sich bewegt — OpenAIs Sol-Aktion ist nur bis zum 21. November garantiert und xAI hat eine 4.7 auf der Roadmap — daher ist die Referenz, die dieser Blog aktuell hält, seine GPT-5.6-Sol-Preisseite, mit Datumsstempel und bei jeder Änderung der Tarifkarte erneut verifiziert.

Die zweizeilige Antwort

Wenn Ihre Prompts unter 500.000 Token bleiben – und die meisten tun das – liefert Grok 4.6 bei jeder Länge, die es bedienen kann, denselben unabhängigen Index-Score wie GPT-5.6 Sol, und das zu fast der Hälfte des Preises, ohne veröffentlichte Ausgabegrenze und mit einem vorhersehbaren Einzelmodell-Regler. GPT-5.6 Sol rechtfertigt seinen Aufpreis genau in dem Bereich, den Grok nicht erreichen kann: jenseits von 500.000 Token Kontext und innerhalb der OpenAI-Tooling-Umgebung, wo sein gemeldeter Wert von ~96 % bei SWE-bench Verified sowie die darunterliegenden Stufen Terra und Luna Ihnen eine Familie statt eines einzelnen Modells bieten. Das Unentschieden im Index bedeutet, dass es bei dieser Entscheidung um Obergrenzen und Dollar geht, nicht um Leistungsfähigkeit – messen Sie also Ihre längsten echten Prompts, bevor Sie sich festlegen, denn genau diese eine Zahl bestimmt den Gewinner.