Grok 4.6 vs. DeepSeek V4 Pro: Ein Preiskampf an der Spitze, ausgetragen im Abstand von 24 Stunden

Zwei Frontier-Modelle kamen innerhalb von 24 Stunden auf den Markt, und der Abstand zwischen ihren Preislisten ist der größte, den diese Generation hervorgebracht hat. Grok 4.6 wurde am 12. August 2026 zu $2 pro Million Input-Token und $6 pro Million Output veröffentlicht. DeepSeek V4 Pro — die offizielle Produktionsversion des Flaggschiffs von D​eepSeek, Version DeepSeek-V4-Pro-0813 — folgte am 13. August 2026 zu ¥3 pro Million Cache-Miss-Input-Token und ¥6 pro Million Output, was ungefähr $0,42 und $0,85 entspricht. Gleiche Kategorie, gleiche agentische Ambitionen, eine Größenordnung auseinander beim Preis. Dies ist kein Vergleich zweier Spezifikationen; es ist ein Vergleich zweier Strategien dafür, was ein agentenförmiges Modell kosten sollte, und beide wurden diese Woche veröffentlicht.

Dieser Beitrag stellt die beiden Preislisten nebeneinander, liest die Benchmark-Aussagen jedes Anbieters unter dem jeweiligen Anbieterlabel und rechnet aus, was die Lücke bei einer realen Arbeitslast tatsächlich kostet – denn auf dem Papier liegen diese Modelle in ihrer Leistungsfähigkeit näher beieinander als in ihrer Philosophie, und in dem Unterschied beim Preis pro Aufgabe liegt die Entscheidung.

Das Timing ist der springende Punkt.

Dass beide Modelle im selben 48-Stunden-Fenster erschienen sind, ist kein Zufall des Kalenders. Grok 4.6 ist SpaceXAIs agentischer Umbau seines 1.5T-Fundaments — ein Post-Training-Refresh mit starkem Fokus auf Reinforcement Learning in den Bereichen Coding, Kernel-Arbeit und CAD, bepreist als Treibstoff für die Produkte Cursor und Grok Bot, die das Unternehmen besitzt. DeepSeek V4 Pro ist die Formalisierung einer Vorschau, die leise neu definiert hat, was „agentisch“ zu einem Bruchteil des Preises bedeutete, und wurde nun für die Agentenökonomie erweitert: Die Release-Notes von D​eepSeek für den 0813-Build beginnen mit deutlich verbesserten Agent-Fähigkeiten, fügen Unterstützung für die Responses-API und Codex-Integration hinzu und behalten sowohl den Denkmodus (Standard) als auch den Nicht-Denkmodus, JSON-Ausgabe, Tool-Aufrufe und das Anthropic-API-Format bei. Zwei sehr unterschiedliche Unternehmen kamen gleichzeitig zu dem Schluss, dass der relevante Markt Ende 2026 der für Agents ist — und bepreisten ihre Einstiegsangebote für sehr unterschiedliche Geldbeutel.

Die beiden Preislisten, nebeneinander

• Grok 4.6 — $2.00 / $6.00 / $0.50 (Cache-Eingabe) pro Million Tokens, 500K Kontext, ein Aufpreis von $4 / $12 / $1 oberhalb von etwa 200K Eingabetokens und eine schnellere Variante zum doppelten Grundpreis.

• DeepSeek V4 Pro — ¥3.00 (≈$0.42) für Cache-Miss-Eingabe, ¥0.025 (≈$0.0035) für gecachte Eingabe, ¥6.00 (≈$0.85) für Ausgabe pro Million Token, mit einem Kontextfenster von 1 Million Token und bis zu 384K Ausgabe-Tokens. Sein günstigeres Schwestermodell V4 Flash kostet ¥1 / ¥2.

Selbst gegenüber Grok 4.6 – bereits der günstigste Frontier-API seiner Generation – ist DeepSeek V4 Pro bei Cache-Miss-Eingaben etwa fünfmal günstiger und beim Output siebenmal günstiger, und es bringt ein 2x größeres Kontextfenster und eine weitaus größere maximale Ausgabe in dieselbe Preisklasse. Die beiden konkurrieren nicht beim Preis; D​eepSeek hat einseitig eine neue Untergrenze gesetzt, und Grok ist jetzt die Premium-Option in demselben Satz. Diese Rahmung ist wichtig, denn die vorherige Rahmung – „Grok 4.6 ist das günstige Frontier-Modell“ – galt genau einen Tag lang.

Was DeepSeek V4 Pro tatsächlich verbessert hat

Die Startzahlen von D​eepSeek sind am dramatischsten, weil sie an der eigenen Vorschau gemessen werden, und der Sprung von der Vorschau zur Veröffentlichung ist enorm. Nach den eigenen Bewertungen des Anbieters:

• DeepSWE — 62,7 % im Release-Build, gegenüber 12,8 % in der Vorschau — ein Software-Engineering-Langzeitscore, den der Anbieter zwischen den 58,0 % von Opus 4.8 und den 70,0 % von Claude Fable 5 einordnet.

• Cybergym — 83,3 %, gestiegen von 52,7 %, knapp vor Fable 5s 83,1 % und besser als Opus 4.8s 78,3 %.

• Terminal Bench 2.1 — 87,9 %, nur einen Prozentpunkt unter Fable 5s 88,0 % und vor Opus 4.8s 85,0 %.

• AutomationBench (public) — 31,8 %, gestiegen von 12,8 %, vor Fable 5 (29,1 %) und Opus 4.8 (27,2 %).

• Toolathlon-Verified, NL2Repo, DSBench-FullStack und DSBench-Hard — mit 74,1 %, 61,5 %, 71,1 % bzw. 67,2 %, gebündelt auf oder nahe dem Niveau von Opus 4.8 / Fable 5.

Jeder einzelne davon ist D​eepSeek-gemeldet in D​eepSeeks eigener Evaluierungssuite. Die Richtung ist unverkennbar – die Vorschau war nicht bereit für produktive Agentenschleifen und der Release-Build behauptet, es zu sein – aber die ehrliche Kennzeichnung ist, dass noch kein unabhängiges Labor DeepSeek V4 Pro bewertet hat und die Modelle, gegen die es benchmarkt wurde, nicht von einer externen Partei benannt werden.

Womit Grok 4.6 antwortet

Grok 4.6s Gegenstück ist anderer Art: Es ist das einzige der beiden mit einer unabhängigen Punktetafel. Artificial Analysis maß es mit 61 auf seinem Intelligence Index – gleichauf mit GPT-5.6 Sol, vor Kimi K3 (60) – bevor DeepSeek V4 Pro überhaupt ausgeliefert wurde. Seine Herstellertabelle beansprucht führende 65.9% bei DeepSWE v1.1 und 69.9% bei CursorBench v3.2, mit einem offen eingestandenen Schwachpunkt von 26% bei Terminal-Bench v3.0. Dies sind von xAI gemeldete Werte, die bis zum 13. August von niemandem unabhängig reproduziert wurden.

Die Versionsunterschiede sind wichtig, wenn man die beiden direkt vergleichen möchte. Die 87,9 von D​eepSeek stammen aus Terminal Bench 2.1; Groks 26 % stammen aus der schwereren v3.0 — unterschiedliche Prüfungen, also ist „D​eepSeek zerlegt Grok bei Terminals“ keine ehrliche Aussage, und „Grok führt bei DeepSWE“ ebenso wenig, ohne zu erwähnen, dass die beiden Anbieter unterschiedliche Evaluierungsversionen verwendeten und keine der beiden Zahlen von Drittanbietern stammt. Was vergleichbar ist, ist die unabhängige Dimension: Grok 4.6 hat eine verifizierte Scorecard, DeepSeek V4 Pro hat noch keine, und für eine Produktionsentscheidung ist diese Asymmetrie selbst eine Information.

Die Gesamtkosten für einen langen Agentenlauf

Nehmen wir eine realistische agentische Aufgabe — das Lesen und Verarbeiten von 500.000 Token Kontext, das Schreiben von 100.000 Token Ausgabe, was einem mittelgroßen Refactoring oder einer langen Dokumenten-Pipeline entspricht, innerhalb der Fenster beider Modelle:

• Grok 4.6 — 0,5 Mio. Input zu 2 $ = 1,00 $, plus 0,1 Mio. Output zu 6 $ = 0,60 $. Gesamt: 1,60 $.

• DeepSeek V4 Pro — 0,5M Cache-Miss-Input für ¥3 = ¥1,50, plus 0,1M Output für ¥6 = ¥0,60. Gesamt: ¥2,10, etwa $0,29.

Das ist eine 5,5-fache Lücke bei derselben nominellen Aufgabe, bevor irgendein Cache-Vorteil greift – und das 1M-Fenster von DeepSeek plus 384K maximale Ausgabe bedeutet auch, dass die Aufgabe in einem einzigen Durchlauf passt, während das 500K-Fenster von Grok 4.6 möglicherweise zwei erfordert. Der Haken, der verhindert, dass dies eine einzeilige Antwort ist, sind Reasoning-Kosten und Risiko: DeepSeeks Denkmodus ist standardmäßig aktiviert, sodass jede Anfrage eine vollständige Reasoning-Spur bezahlt, selbst wenn man keine möchte, und die Benchmark-Zuversicht des Anbieters ist von niemandem unabhängig getestet. Günstig pro Token mit immer aktivem Reasoning ist bei diesen Preisen dennoch günstig pro Aufgabe, aber „günstig“ und „verifiziert“ sind unterschiedliche Aussagen, und nur eines dieser Modelle erfüllt die zweite.

Wer sollte welche auswählen?

Die Entscheidung ist weniger „was ist besser“ als „welches Risikoprofil zur Arbeitslast passt“:

• Hochvolumig, kostengetrieben und bereit, sich auf ungeprüfte Zahlen zu verlassen – DeepSeek V4 Pro ist die Option fürs absolute Preisminimum. Der 1M-Kontext und die 384K-Ausgabe machen ihn zum stärkeren Kandidaten für lange Kontexte und Batch-Verarbeitung, und der Preis für gecachte Eingaben von ¥0,025 macht retrieval-intensive Pipelines nahezu kostenlos. Macht einfach eure eigenen Evals, denn niemand Unabhängiges hat das getan.

• Agentische Tiefe mit unabhängiger Scorecard, in einem OpenAI-kompatiblen Ökosystem — Der Wert von 61 für Grok 4.6 ist verifiziert, seine Richtung bei den Coding- und Agentic-Benchmarks ist konsistent, und die letztendliche Schwäche ist von vornherein bekannt. Die Time-to-First-Token von 42 Sekunden ist der Preis, den man für die verifizierte Qualität zahlt.

• Gemischter Verkehr — das ist ein Fall für Routing statt Auswahl. Bei OrcaRouter liegen beide Modelle hinter einem einzigen Schlüssel zum durchgereichten Listenpreis der Anbieter – so bleiben die ¥3/¥6 von D​eepSeek auf der Rechnung ¥3/¥6, und Grok 4.6 bleibt bei $2/$6, mit null Aufschlag auf beiden. Eine Routing-Regel kann die langkontextigen, kostenintensiven Arbeiten an DeepSeek V4 Pro und die verifiziert-agentischen Arbeiten an Grok 4.6 senden, den Datenverkehr pro Anfrage aufteilen, bis Ihre eigene Auswertung die Aufteilung festlegt, und sich auf automatisches Failover verlassen, falls das Verhalten eines der beiden Anbieter in der ersten Woche seinen Startzahlen widerspricht. Bei einem Paar einen Tag alter Modelle an entgegengesetzten Enden eines Preiskriegs ist die Fähigkeit, beide an Ihrer eigenen Arbeitslast zu vergleichen – und die Aufteilung zu wechseln, ohne Code zu ändern – keine Bequemlichkeit. Es ist der einzig vertretbare Weg, eines von beiden zu übernehmen.