KI-Giganten bringen innerhalb von drei Wochen vier bahnbrechende Modelle auf den Markt – der Wettlauf geht in die heiße Phase

Grok 4.5 von xAI, Claude Opus 5 von Anthropic, die GPT-5.6-Familie von OpenAI und Kimi K3 von Moonshot AI zielen jeweils auf dasselbe Problem ab: ein KI-System dazu zu bringen, eine mehrstündige Aufgabe – von der Recherche über die Programmierung bis hin zur strukturierten Berichterstattung – auszuführen, ohne den Überblick über den Plan zu verlieren.

Grok 4.5 wurde anhand realer Entwickler-Sitzungen trainiert

xAI hat Grok 4.5 am 8. Juli veröffentlicht. Das Modell basiert auf 1,5 Billionen Parametern und wurde teilweise mit echten Nutzungsdaten von Cursor trainiert, der Programmierplattform, die SpaceXAI Anfang dieses Jahres übernommen hat. Die Preise liegen bei 2 US-Dollar pro Million Eingabe-Token und 6 US-Dollar pro Million Ausgabe-Token, bei einem Kontextfenster von 500.000 Token.

Elon Musk beschrieb Grok 4.5 als ein Modell der Opus-Klasse, das schneller und kostengünstiger läuft. Unabhängige Bewertungsdienste stufen es auf dem Artificial Analysis Intelligence Index auf Platz vier ein, noch vor allen Open-Weight-Modellen, bei Preisen, die mehr als 60 % unter denen von Claude Opus 4.8 und GPT-5.5 liegen. Bei „Terminal-Bench 2.1“, einem Test, der bewertet, wie gut ein Modell technische Aufgaben über die Befehlszeile ausführt, erzielte Grok 4.5 83,3 %.

Die größere Veränderung liegt in der Token-Effizienz. Laut xAI benötigt das Modell etwa ein Fünftel der Ausgabetoken, die Opus 4.8 für vergleichbare Aufgaben benötigte, was die Kosten für den Betrieb langer Agent-Sitzungen senkt.

Claude Opus 5 hält die Preislinie

Anthropic veröffentlichte Claude Opus 5 am 24. Juli und positionierte es als ein Modell, das nahezu die Leistung von Claude Fable 5 – der leistungsstärksten Version des Unternehmens – erreicht, und das zu halb so hohen Preisen wie Fable: 10 US-Dollar für Eingaben und 50 US-Dollar für Ausgaben. Opus 5 selbst hat dieselben Preise wie sein Vorgänger Opus 4.8: 5 $ für den Input und 25 $ für den Output.

Das Modell verfügt über ein Kontextfenster von 1 Million Token, maximal 128.000 Ausgabe-Token und eine einstellbare Option für den Argumentationsaufwand, die von „low“ bis zu einem neuen „xhigh“-Modus reicht. Anthropic gibt an, dass Opus 5 bei Frontier-Bench und GDPval-AA – zwei Bewertungsmethoden für Programmier- und Wissensarbeit – neue Maßstäbe setzt, bei Cybersicherheitsaufgaben jedoch hinter dem eingeschränkten Modell „Claude Mythos 5“ zurückbleibt. Opus 5 ist nun das Standardmodell bei „Claude Max“ und die leistungsstärkste Option bei „Claude Pro“.

OpenAI unterteilt GPT-5.6 in drei Stufen

OpenAI hat GPT-5.6 am 9. Juli allgemein verfügbar gemacht, nachdem es zwei Wochen lang in einer auf etwa 20 von der US-Regierung geprüfte Organisationen beschränkten Vorschauphase getestet worden war – im Anschluss an eine auf die Sicherheitsüberprüfung von Pioniermodellen bezogene Durchführungsverordnung. Die Modellfamilie wird in drei Stufen angeboten: Sol, das Flaggschiff, zum Preis von 5 US-Dollar für die Eingabe und 30 US-Dollar für die Ausgabe pro Million Token; „Terra“, ein Modell der mittleren Preisklasse mit 2,50 $ und 15 $, das laut OpenAI die Leistung von GPT-5.5 bei halb so hohen Kosten bietet; und „Luna“, eine schnelle, kostengünstige Variante mit 1 $ und 6 $.

OpenAI berichtet, dass Sol den „Artificial Analysis Coding Agent Index“ anführt und bei „Terminal-Bench 2.1“ 88,8 % erreicht, wobei dieser Wert auf 91,9 % steigt, wenn das Modell im neuen „Ultra-Modus“ vier Unteragenten parallel ausführt. Alle drei Tarife weisen die höchste interne Risikoeinstufung von OpenAI hinsichtlich des Potenzials für cyber- und biologischen Missbrauch auf, was während der von der Regierung kontrollierten Vorschau eine zusätzliche Überprüfung auslöste.

Kimi K3 treibt Open-Weight-Modelle an die Grenzen

Moonshot AI veröffentlichte am 16. Juli Kimi K3, ein „Mixture of Experts“-Modell mit 2,8 Billionen Parametern, insgesamt 896 Experten und 16 aktiven Experten pro Aufgabe. Das Modell verfügt über ein Kontextfenster von 1 Million Token und native multimodale Eingaben, wobei die API-Preise bei 3 US-Dollar für Eingaben und 15 US-Dollar für Ausgaben pro Million Token liegen. Moonshot hat sich verpflichtet, die vollständigen offenen Gewichte bis zum 27. Juli zu veröffentlichen.

K3 ist das bislang größte veröffentlichte Modell mit offenen Gewichten und etwa 75 % größer als das bisher größte weit verbreitete offene Modell. Unabhängige Tracker stufen K3 auf Platz vier der aktuellen Spitzenmodelle ein, hinter Claude Fable 5 und GPT-5.6 Sol, aber vor Claude Opus 4.8.

Warum der Abstand zu älteren Modellen von Bedeutung ist

Kontextfenster unter 200.000 Token zwangen Entwickler früher dazu, große Codebasen oder Forschungspakete in Fragmente aufzuteilen. Jedes Modell dieser Gruppe läuft nun mit 500.000 Token oder mehr, wobei drei der vier Modelle 1 Million Token erreichen, sodass eine einzelne Sitzung ein komplettes Repository oder einen Stapel von Primärquelldokumenten umfassen kann.

Auch die Zuverlässigkeit der Agenten hat sich verbessert. Systeme aus den Jahren 2023 und 2024 verloren oft schon nach wenigen Tool-Aufrufen ihren Plan aus den Augen. Die in diesem Monat veröffentlichten Modelle sind so konzipiert, dass sie Dutzende koordinierter Schritte durchhalten und sich erholen können, wenn ein Tool-Aufruf fehlerhafte Daten zurückgibt, anstatt ins Stocken zu geraten.

Für Entwickler bedeutet dies in der Praxis eher geringere Kosten pro abgeschlossener Aufgabe als eine höhere Obergrenze bei einzelnen Benchmarks. Die Aufwandssteuerung in Opus 5, die gestaffelte Preisgestaltung in GPT-5.6 und die Effizienzversprechen hinter Grok 4.5 zielen alle auf dasselbe Ziel ab: Teams sollen selbst entscheiden können, wie viel Rechenleistung eine Aufgabe verdient, anstatt für jede Anfrage Spitzenpreise zu zahlen.

Für Unternehmen und politische Entscheidungsträger signalisiert die von der Regierung gesteuerte Einführung von GPT-5.6, dass die Aufsicht nun fest in die Veröffentlichungspläne für die größten Modelle integriert ist und nicht erst nachträglich hinzugefügt wird. Die kurze, von der Regierung angeordnete Sperrung des Zugangs zu Fable und Mythos durch Anthropic im Juni war eine frühere Version desselben Musters.