Grok 4.5 ist xAIs Flaggschiff-Modell – das intelligenteste bisher, mit Spitzenleistungen in Programmierung, Wissensarbeit und MINT. Es baut auf der 1,5-Billionen-Parameter-V9-Grundlage auf und wurde zusammen mit dem Cursor-Coding-Editor trainiert. Es bietet ein Kontextfenster von 500K Token und akzeptiert Text-, Bild- und Dateieingaben mit Textausgabe. Der Fokus liegt auf starkem agentischem Codieren mit bemerkenswerter Token-Effizienz – es löst Softwareentwicklungsaufgaben mit weitaus weniger Ausgabe-Token als vergleichbare Spitzenmodelle – und ist preislich aggressiv für den produktiven Einsatz mit hohem Volumen ausgelegt.
Grok 4.5 ist ein multimodales großes Sprachmodell, das von xAI entwickelt wurde. Es ist darauf ausgelegt, sehr lange Eingaben zu verarbeiten, mit einem Kontextfenster von 500.000 Token. Das bedeutet,…
Grok 4.5 akzeptiert drei Eingabemodalitäten: Text, Bilder und Dateien. Text kann natürlich in der Benutzernachricht enthalten sein. Bilder können als URLs oder als base64-kodierte Daten im Inhaltsarray bereitgestellt werden, gemäß dem multimodalen Format von OpenAI. Dateien werden über denselben Mechanismus unterstützt: Benutzer können Binärdaten (z. B. PDFs, Word-Dokumente) als Teil der Anfrage anhängen. Das Modell verarbeitet diese Eingaben gemeinsam, sodass es über verschiedene Informationstypen hinweg schlussfolgern kann. Beispielsweise kann ein Prompt einen gescannten Vertrag (Bild) zusammen mit Fragen zu bestimmten Klauseln enthalten, und Grok 4.5 extrahiert den Text aus dem Bild und antwortet entsprechend. Diese multimodale Fähigkeit macht es überflüssig, Dateien vor dem Senden an die API vorzuverarbeiten, was das Pipelinedesign vereinfacht.
Das Kontextfenster von 500.000 Tokens bedeutet, dass Grok 4.5 in einer einzigen Anfrage bis zu eine halbe Million Tokens aus Eingabe und Ausgabe zusammen berücksichtigen kann. Ein Token entspricht bei englischem Text ungefähr 0,75 Wörtern, sodass das Modell etwa 375.000 bis 400.000 Wörter verarbeiten kann. Dies ermöglicht es Benutzern, ganze Dokumente, lange Gespräche oder große Datensätze einzugeben, ohne sie in Teile aufteilen zu müssen. Das Modell bewahrt die Kohärenz über den gesamten Kontext hinweg und ermöglicht Aufgaben wie das Zusammenfassen eines Buchkapitels, die Analyse eines vollständigen Code-Repositorys oder die Aufrechterhaltung eines mehrstufigen Dialogs. Längere Eingaben erhöhen jedoch proportional die Kosten, da die Abrechnung pro Token erfolgt. Für das beste Gleichgewicht sollten Benutzer nur den notwendigen Kontext senden, aber das große Fenster verringert die Notwendigkeit einer Datenkürzung.
Grok 4.5 zeichnet sich bei Aufgaben aus, die ein tiefes Verständnis langer oder multimodaler Inhalte erfordern. Wichtige Beispiele sind: das Extrahieren von Informationen aus Hunderten von Seiten Forschungspapiere, die Analyse von Diagrammen und Tabellen zusammen mit zugehörigem Text, das Prüfen juristischer Dokumente auf bestimmte Klauseln, das Zusammenfassen langer Besprechungsprotokolle und das Debuggen großer Softwareprojekte durch die Untersuchung vollständiger Logdateien. Das Modell kann auch komplexe Denkketten verarbeiten, die auf früheren Teilen einer Eingabeaufforderung basieren. Es ist weniger geeignet für sehr einfache oder einmalige Aufgaben, bei denen ein kleineres, günstigeres Modell ausreichen würde – etwa das Verfassen kurzer E-Mail-Antworten oder eine einfache Klassifizierung. Anwender sollten prüfen, ob die Aufgabe tatsächlich das große Kontextfenster benötigt, um die höheren Kosten pro Token im Vergleich zu kleineren Modellen auf OrcaRouter zu rechtfertigen.
Grok 4.5 kostet $2,00 pro 1M Input-Token und $6,00 pro 1M Output-Token. Falls Ihr Anwendungsfall kein 500k-Token-Kontextfenster oder multimodale Eingabe erfordert, können Sie Kosten sparen, indem Sie über OrcaRouter ein kleineres Modell verwenden. Beispiele für Aufgaben, die sich besser für günstigere Modelle eignen, sind: einfache Klassifikation oder Extraktion aus kurzen Textausschnitten, einmalige Frage-Antwort-Interaktionen zu kleinen Dokumenten, grundlegende Stimmungsanalyse und Generierung sehr kurzer Vervollständigungen. Falls Ihre Anwendung zudem eine niedrige Latenz für hohen Produktionsdurchsatz benötigt, kann ein kleineres Modell möglicherweise schnellere Antwortzeiten bieten. Wägen Sie den Kompromiss ab: Bei Aufgaben, bei denen der zusätzliche Kontext und die multimodale Fähigkeit keinen Vorteil bringen, sind die extra Kosten pro Token nicht notwendig.
Konkrete Benchmark-Ergebnisse für Grok 4.5 wurden von xAI zum jetzigen Zeitpunkt nicht öffentlich veröffentlicht. Das Modell soll ein äußerst leistungsfähiges großes Sprachmodell sein, aber ohne standardisierte Bewertungszahlen sollten Nutzer seine Leistung durch eigene Tests an repräsentativen Aufgaben bewerten. Zu den Faktoren, die die reale Leistung beeinflussen, gehören die Gestaltung des Prompts, die Aufgabenkomplexität und die Qualität der Eingabedaten. Aufgrund seines großen Kontextfensters könnte das Modell besonders gut bei Aufgaben abschneiden, die das Behalten von Informationen über extrem lange Sequenzen erfordern. Wir empfehlen, Benchmark-Auswertungen für Ihre spezifischen Anwendungsfälle mit der OrcaRouter API durchzuführen, um Genauigkeit, Latenz und Ausgabequalität zu messen.
Die Latenzzeit für Grok 4.5 wird von xAI nicht öffentlich angegeben. Da das Modell jedoch eine große Anzahl von Parametern und ein 500k-Kontextfenster unterstützt, ist die Inferenzzeit im Allgemeinen länger als bei kleineren Modellen, insbesondere bei der Verarbeitung langer Eingaben. Benutzer können im Vergleich zu Modellen mit weniger Parametern eine höhere Zeit bis zum ersten Token und eine längere Gesamtgenerierungszeit erwarten. Um die Leistung zu optimieren, halten Sie die Eingabeaufforderungen so präzise wie möglich, während Sie dennoch den erforderlichen Kontext bereitstellen. Wenn eine niedrige Latenzzeit für Ihre Anwendung entscheidend ist – etwa bei Echtzeit-Chat – sollten Sie die Antwortgeschwindigkeit über die OrcaRouter-API mit typischen Eingabegrößen testen, bevor Sie sich für den Produktionseinsatz entscheiden. OrcaRouter fügt keinen signifikanten Overhead hinzu; die Hauptlatenz stammt von der zugrunde liegenden Modellinferenz.
Grok 4.5s Hauptstärke ist sein großer 500k-Kontextfenster, das kohärentes Denken über sehr lange Sequenzen ermöglicht. Es profitiert auch von multimodalen Eingaben, sodass es Bilder und Dateien direkt verarbeiten kann. Diese Funktionen machen es leistungsstark für die Dokumentenanalyse, Forschung und jede Aufgabe, die einen erweiterten Kontext erfordert. Zu den Einschränkungen gehören höhere Kosten pro Token im Vergleich zu kleineren Modellen und wahrscheinlich eine höhere Latenz. Da xAI keine Benchmark-Ergebnisse veröffentlicht hat, können Benutzer sich nicht auf Drittvergleiche stützen. Das Verhalten des Modells in hochspezifischen Bereichen (z. B. medizinisch oder rechtlich) sollte durch Tests validiert werden. Wie alle LLMs kann es gelegentlich ungenaue oder halluzinierte Inhalte produzieren, insbesondere bei mehrdeutigen Aufforderungen. Überprüfen Sie die Ausgaben bei kritischen Anwendungen immer.
Grok 4.5 wird basierend auf der Anzahl der verarbeiteten Tokens bepreist. Eingabetokens kosten $2.00 pro 1 Million Tokens, und Ausgabetokens kosten $6.00 pro 1 Million Tokens. Dies ist der von xAI festgelegte Anbieterpreis, den OrcaRouter ohne Aufschlag weitergibt. Die Abrechnung erfolgt nutzungsabhängig: Sie zahlen nur für die Tokens, die Sie tatsächlich senden und empfangen. Das 500.000-Token-Kontextfenster bedeutet, dass eine vollständige Kontextaufforderung (500k Eingabetokens) allein für die Eingabe $1.00 kosten würde ($2.00 * 0.5M). Ausgabetokens werden mit dem Dreifachen des Eingabepreises abgerechnet. Zur Kostenschätzung berechnen Sie die Gesamtzahl der Eingabetokens (einschließlich Systemnachricht, Benutzernachrichten, Bilder und Dateien, die als Tokens codiert sind) und die erwartete Ausgabelänge. Verwenden Sie den von OrcaRouter bereitgestellten Tokenizer, um Tokens vor dem Senden zu zählen.
Nein. OrcaRouter berechnet exakt den Anbieterpreis für Grok 4.5: 2,00 $ pro 1 Mio. Eingabe-Token und 6,00 $ pro 1 Mio. Ausgabe-Token. Es gibt keine versteckten Gebühren, keine Aufschläge pro Anfrage und keinen Margenaufschlag. Ihre Abrechnung spiegelt den reinen Token-Verbrauch multipliziert mit diesen Preisen wider. OrcaRouter bietet möglicherweise API-Key-Verwaltung und -Zugang ohne zusätzliche Kosten an. Die einzigen Kosten entstehen durch die vom Modell verbrauchte Rechenleistung. Beachten Sie, dass Token, die für multimodale Eingaben (Bilder, Dateien) verwendet werden, zum gleichen Eingabesatz abgerechnet werden – es gibt keine separate Preisgestaltung für verschiedene Modalitäten. Überprüfen Sie stets Ihren Token-Zähler aus der API-Antwort, um die Nutzung abzugleichen.
Bei einem Kontextfenster von 500k können die Kosten für die Verarbeitung einer vollständigen Eingabe erheblich sein. Für eine einzelne Anfrage mit 500k Eingabe- und 1k Ausgabe-Tokens betragen die Eingabekosten $1,00 und die Ausgabekosten $0,006, insgesamt ~$1,006. Wenn Sie viele solcher Anfragen senden, summieren sich die Kosten schnell. Bei Aufgaben, die von einer nicht stückweisen Verarbeitung profitieren, kann die Möglichkeit einer einzelnen großen Abfrage jedoch Entwicklungszeit sparen und die Genauigkeit erhöhen. Vergleichen Sie dies mit einem kleineren Modell mit einem kürzeren Kontextfenster, das mehrere Aufrufe und manuelle Zusammenführung erfordern würde, was potenziell höhere Nebenkosten verursacht. Die Kosten pro Token sind fest; der Wert ergibt sich aus der Größe des Kontextfensters und der Multimodal-Fähigkeit. Benutzer sollten ihre monatlichen Gesamttokens schätzen und ihr Modell entsprechend auswählen.
OrcaRouter bewirbt derzeit kein dediziertes Cache-System für Grok 4.5-Antworten. Die Preisgestaltung basiert auf den Tokens, die von xAI pro Anfrage abgerechnet werden; wenn Sie denselben Prompt mehrmals senden, wird jede Anfrage zum vollen Preis berechnet. Es gibt keinen Rabatt für wiederholte oder zwischengespeicherte Ausgaben. Um Kosten zu senken, vermeiden Sie das Senden identischer oder nahezu identischer Prompts. Sie können auf Client-Seite Ihre eigene Caching-Ebene implementieren – speichern Sie beispielsweise häufige Abfrageergebnisse lokal und rufen Sie die API nur auf, wenn ein neuer oder geänderter Prompt benötigt wird. Beachten Sie, dass Eingabe-Tokens immer berechnet werden, selbst wenn die Ausgabe trivial ist. Fassen Sie bei wiederholten Mustern ähnliche Eingaben nach Möglichkeit zusammen.
Um Grok 4.5 zu verwenden, senden Sie eine POST-Anfrage an https://api.orcarouter.ai/v1/chat/completions. Setzen Sie den Modellparameter auf "grok/grok-4.5". Der Anforderungskörper folgt dem OpenAI-Chat-Completion-Format, einschließlich eines Nachrichtenarrays mit Rollen (system, user, assistant). Für multimodale Eingaben fügen Sie Inhaltsteile vom Typ "text" und "image_url" hinzu. Beispiel (Python): import openai client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="YOUR_KEY") response = client.chat.completions.create(model="grok/grok-4.5", messages=[{"role":"user", "content":[{"type":"text","text":"Describe this image:"}, {"type":"image_url", "image_url":{"url":"https://example.com/pic.jpg"}}]}]) print(response.choices[0].message.content) Stellen Sie sicher, dass Ihr API-Schlüssel Zugriff auf das Modell grok/grok-4.5 hat. Verwenden Sie dieselben Endpunkte wie OpenAI für Streaming, Funktionsaufrufe und andere Funktionen.
Die OrcaRouter API für Grok 4.5 unterstützt die Standard-OpenAI-Parameter: 'model', 'messages', 'max_tokens', 'temperature', 'top_p', 'frequency_penalty', 'presence_penalty', 'stop', 'stream', 'n' und 'seed'. Der Parameter 'max_tokens' begrenzt die Länge der generierten Antwort. 'temperature' steuert die Zufälligkeit (0=deterministisch, 2=sehr zufällig). 'top_p' implementiert Nucleus-Sampling. 'frequency_penalty' und 'presence_penalty' verringern Wiederholungen. Für Streaming setzen Sie 'stream' auf true, um Token schrittweise zu erhalten. Der Parameter 'n' ermöglicht das Generieren mehrerer Vervollständigungen. 'seed' ermöglicht deterministische Ausgaben, falls Reproduzierbarkeit erforderlich ist. Beachten Sie, dass das Kontextfenster des Modells insgesamt 500k Token umfasst (Eingabe + Ausgabe zusammen). Um Fehler zu vermeiden, stellen Sie sicher, dass Ihre Eingabe-Token plus die angeforderten max_tokens dieses Limit nicht überschreiten. OrcaRouter gibt einen Fehler zurück, wenn der Prompt zu lang ist.
Die Migration bestehender, OpenAI-kompatibler Codebasis zur Verwendung von Grok 4.5 über OrcaRouter erfordert lediglich eine Änderung der Basis-URL und des Modellnamens. Statt https://api.openai.com/v1 verwenden Sie https://api.orcarouter.ai/v1. Ersetzen Sie die Modellkennung durch "grok/grok-4.5". Ihr API-Key sollte der von OrcaRouter bereitgestellte sein. Alle anderen Parameter und Nachrichtenformate bleiben unverändert. Für Bibliotheken wie das openai-Python-Paket aktualisieren Sie die Client-Initialisierung: `client = openai.OpenAI(base_url="https://api.orcarouter.ai/v1", api_key=ORCAROUTER_KEY)`. Es ist nicht erforderlich, die Nachrichtenstrukturen, Streaming-Logik oder Antwortverarbeitung zu ändern. Testen Sie mit einem kurzen Prompt, um Konnektivität und Antwortformat zu bestätigen. OrcaRouter unterstützt zudem die gleichen Fehlercodes und Rate-Limiting-Header wie OpenAI, was die Migration unkompliziert macht.
Grok 4.5, GPT-4 und Claude sind alle große Sprachmodelle, unterscheiden sich jedoch in wesentlichen Aspekten. Grok 4.5 bietet ein Kontextfenster von 500.000 Token, das größer ist als GPT-4 Turbo (128k) und Claude 3.5 Sonnet (200k). Dadurch eignet sich Grok 4.5 besser für sehr lange Dokumente oder Konversationen ohne Aufteilung in Chunks. Grok 4.5 unterstützt auch Bild- und Dateieingabe, ähnlich wie GPT-4 Vision und Claudes multimodale Fähigkeiten. Preise: Grok 4.5 kostet 2$/6$ pro 1 Mio. Token, GPT-4o kostet 2,50$/10$, Claude 3.5 Sonnet kostet 3$/15$. Somit ist Grok 4.5 pro Token bei der Ausgabe günstiger und bei der Eingabe identisch oder etwas günstiger als GPT-4o und Claude. Latenz und Genauigkeit variieren je nach Anwendungsfall; ohne veröffentlichte Benchmarks ist ein direkter Leistungsvergleich nicht möglich. Entwickler sollten Grok 4.5 bei ihren spezifischen Aufgaben gegen Alternativen testen.
OrcaRouter bietet Zugriff auf viele Modelle neben Grok 4.5. Für Aufgaben, die den 500k-Kontextfenster nicht benötigen, gibt es günstigere Optionen wie GPT-4o mini ($0,15/$0,60), Claude 3 Haiku ($0,25/$1,25) und Llama 3.1 70B ($0,59/$0,79). Für multimodale Aufgaben sind GPT-4o und Claude 3.5 Sonnet Alternativen mit unterschiedlichen Preisen und Kontextgrößen. Für extrem lange Kontexte bietet Gemini 1.5 Pro 1M Token, jedoch zu höheren Kosten. Falls Sie spezifische Funktionen wie Function Calling oder JSON-Modus benötigen, unterstützen viele Modelle diese. Wählen Sie Grok 4.5, wenn der große Kontext und die Null-Aufschlagspreise den Bedarf an niedrigeren Token-Kosten oder spezifischen Ökosystem-Integrationen überwiegen. Berücksichtigen Sie stets die Abwägungen in Bezug auf Latenz, Genauigkeit und Kosten für Ihren spezifischen Workflow.
Bei den großen Anbietern ist die Preisgestaltung von Grok 4.5 für seine Kontextfenstergröße wettbewerbsfähig. Eingabe: 2,00 $/M Tokens vs. GPT-4o (2,50 $), Claude 3.5 Sonnet (3,00 $), Gemini 1.5 Pro (3,50 $). Ausgabe: 6,00 $/M vs. GPT-4o (10,00 $), Claude 3.5 Sonnet (15,00 $), Gemini 1.5 Pro (10,50 $). Grok 4.5 ist bei Eingabe und Ausgabe günstiger als diese Modelle. Kleinere Modelle wie GPT-4o mini oder Claude 3 Haiku sind jedoch deutlich günstiger. Das Wertversprechen von Grok 4.5 liegt in seinem 500k-Kontextfenster – wenn Sie das nicht benötigen, ist ein günstigeres Modell besser. Darüber hinaus stellt OrcaRouters Nullaufschlag-Politik sicher, dass Sie genau den von xAI gelisteten Preis zahlen. Es werden keine weiteren Gateway-Gebühren erhoben, wodurch Grok 4.5 eine der kosteneffektivsten Optionen für multimodale Aufgaben mit langem Kontext ist.
OpenAI-kompatibel — behalte dein bisheriges SDK
https://api.orcarouter.ai/v1from openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="grok/grok-4.5",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)frequency_penaltyinclude_reasoninglogprobsmax_tokenspresence_penaltyreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_logprobstop_p| Eingabe / 1M Tokens | $2.00 |
| Ausgabe / 1M Tokens | $6.00 |
| Cache-Lesen / 1M | $0.500 |
| Währung | USD |
Schätzung auf Basis des Listenpreises
Nur eine Schätzung — die tatsächliche Token-Anzahl hängt vom Tokenizer des Anbieters ab.
GET /api/public/models/grok/grok-4.5Öffnen @misc{orcarouter_grok_4_5,
title = {Grok 4.5 API},
author = {xAI},
year = {2026},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/grok/grok-4.5}
}xAI. (2026). Grok 4.5 API. OrcaRouter. https://www.orcarouter.ai/models/grok/grok-4.5