Grok von xAI:
Vollständiger Leitfaden zu Modellen,
Funktionen und Preisen

Grok ist ein konversationeller KI-Assistent, der von xAI entwickelt wurde. Er ist an drei Orten verfügbar: als eigenständige Web- und Mobile-App unter grok.com, in X (ehemals Twitter) für X-Premium-Abonnenten und höher sowie über eine Entwickler-API unter api.x.ai. Die aktuelle Flaggschiff-Version ist Grok 4.3, veröffentlicht am 30. April 2026, mit einem Kontextfenster von 1 Mio. Token und nativem Video-Input. Ältere Varianten, darunter Grok 4 (256K), Grok 4 Fast (2M), Grok 4.1, Grok 4.20 und Grok 3, bleiben über die API zugänglich.

Hören Sie diese Recherche im Podcast-Modus

Der Name stammt aus Robert Heinleins Roman Stranger in a Strange Land von 1961, in dem „to grok“ bedeutet, etwas tief und intuitiv zu verstehen. Der Name wird auch von einer Open-Source-Bibliothek zum Log-Parsing verwendet und als Verb genutzt; für die Zwecke dieses Leitfadens und zur Such-Disambiguierung bezeichnet „Grok“ jedoch ausdrücklich den Assistenten von xAI.

Was Grok von anderen Frontier-KI-Assistenten unterscheidet, ist das Zugriffsmuster, nicht die Architektur. Grok ist das einzige große Modell mit einem nativen Echtzeit-Stream aus X und das einzige für Verbraucher zugängliche Modell mit einem Kontextfenster von 2 Mio. Token in seinen Fast-Varianten. Zudem sammelt es in dieser Generation die meiste öffentliche Kontroverse unter allen Frontier-Modellen, einschließlich eines Vorfalls im Juli 2025, bei dem es antisemitische Inhalte in großem Umfang erzeugte. Beide Eigenschaften sind dokumentiert und beide prägen die praktische Nutzung.

xAI ist ein KI-Unternehmen, das im Juli 2023 von Elon Musk gegründet wurde. Die erklärte Mission des Unternehmens lautet, „die wahre Natur des Universums zu verstehen“. Der Hauptsitz befindet sich in Palo Alto, Kalifornien, mit primärer Trainingsinfrastruktur im Colossus-Rechenzentrumscluster in Memphis, Tennessee.

Im März 2025 schloss xAI die vollständige Übernahme von X (ehemals Twitter) durch einen Aktientausch ab und bewertete xAI mit 80 Mrd. $ und X mit 33 Mrd. $. Durch die Fusion erhielt Grok strukturellen Zugriff auf den Content-Stream von X. Ein separater Bericht vom Februar 2026 verwies auf eine xAI–SpaceX-Fusion über einen X-Post, der @Grok zugeschrieben wurde; Details zur Konzernstruktur erfordern Primärverifikation und sind in xAI-Unterlagen bislang nicht dokumentiert.

xAIs berichtete Bewertung lag im Januar 2026 nach einer Series-E-Runde von rund 20 Mrd. $, getragen von staatlichem Kapital aus dem Nahen Osten, bei etwa 200–230 Mrd. $. Die insgesamt über alle Runden aufgenommenen Mittel werden mit etwa 45 Mrd. $ angegeben. Mitgründer Igor Babuschkin (ehemals DeepMind) übernimmt einen Großteil der technischen Kommunikation. Linda Yaccarino verließ im Sommer 2025 ihren Posten als CEO von X.

Colossus arbeitet je nach Offenlegungsdatum mit etwa 1–2 GW und 200.000 bis 555.000 NVIDIA-GPUs über zwei Standorterweiterungen hinweg. xAI war bei der Trainingsinfrastruktur transparenter als die meisten Frontier-Labs, aber weniger transparent bei Details der Modellarchitektur wie Parameterzahlen und Expert-Konfigurationen.

xAIs erklärtes Designprinzip für Grok ist „truth-seeking“ („Wahrheitssuche“). In der Praxis zeigt sich das in drei Produktverhaltensweisen, die sich über Versionen hinweg beobachten lassen: die Bereitschaft, kontroverse Themen zu behandeln, die andere Modelle ablehnen; eine Gesprächspersönlichkeit, die eher direkt und respektlos als vorsichtig ist; sowie eine System-Prompt-Historie, die das Modell ausdrücklich angewiesen hat, politisch unkorrekte Aussagen zu machen, wenn sie „gut belegt“ sind. Diese letzte Anweisung wurde nach dem Vorfall mit antisemitischen Inhalten im Juli 2025 aus den öffentlichen xAI-GitHub-System-Prompts entfernt.

Für Nutzer bedeutet das ein Modell, das mehr Antworten versucht als Wettbewerber, die ablehnen. In unabhängigen Benchmarks zeigt sich das als hohe „Answer Rate“ kombiniert mit einer hohen Fehlerrate, wenn das Modell unsicher ist. Im AA-Omniscience-Benchmark versucht Grok 4 in 64 % der Fälle Antworten, die es ablehnen sollte. Claude 4.1 Opus erreicht im Vergleich auf derselben Kennzahl 0 %, indem es bei Unsicherheit ablehnt. Beides sind valide Designentscheidungen. Sie erzeugen unterschiedliche Fehlermodi.

In der Multi-Modell-Evaluation entspricht Groks Verhalten seiner Designabsicht. Laut dem Suprmind Multi-Model Divergence Index, Ausgabe April 2026 (n=1.324 Production-Turns), bringt Grok 509 einzigartige Insights (19,7 % Anteil, Platz drei unter fünf Anbietern) hervor, die die Konsensmodelle übersehen. Der Trade-off: Sein Kalibrierungs-Delta in High-Stakes-Turns beträgt nur -1,9 Punkte – es hedgt nicht messbar, wenn die Frage mehr Gewicht hat. Die konträren Insights kommen mit derselben scheinbaren Sicherheit wie die falschen.

xAI hat seit November 2023 sechs Generationen von Grok-Modellen veröffentlicht. Die aktuell aktive Produktlinie konzentriert sich auf die Grok-4-Familie (Grok 4, Grok 4 Fast, Grok 4.1, Grok 4.20, Grok 4.3) plus ältere Grok-3- und Grok-2-Varianten in der API. Die Flaggschiff-Empfehlung in xAIs offiziellen Docs ist Grok 4.3.

Aktive Grok-Modelle im Jahr 2026

Die Variantenmatrix unten umfasst jedes Modell, das derzeit über grok.com oder die API zugänglich ist. Kontextfenster beziehen sich auf Input-Token. API-IDs sind die Strings, die Entwickler an den Chat-Completions-Endpoint übergeben.

Quellen: xAI Official Docs (docs.x.ai/docs/models, abgerufen am 16.04.2026); laut Suprmind Multi-Model Divergence Index, Ausgabe April 2026; laut Suprminds Referenz zu KI-Halluzinationsraten und Benchmarks (Update Mai 2026).

Grok 4 vs. Grok 3: Was hat sich geändert?

Grok 3 führte DeepSearch, DeeperSearch, Think Mode und Reinforcement Learning im Post-Training ein. Grok 4 verlagerte RL in den Pretraining-Maßstab (10× Compute gegenüber dem vorherigen RL-Run), führte Multi-Agent-Heavy-Konfigurationen, native Sprache und Kamera-Modus ein und erhöhte den Kontext auf 256K. Grok 4 Fast erweiterte das auf 2 Mio. Token für 0,20 $/0,50 $ pro 1 Mio. Token – das erste xAI-Modell, das die 2M-Schwelle erreichte, und der niedrigste API-Preispunkt in der Familie.

Die Benchmark-Entwicklung ist gemischt. Bei Vectara-Zusammenfassungs-Halluzinationen erzielte Grok 3 auf dem alten Datensatz 2,1 % (exzellent). Grok 4 erzielte auf demselben Datensatz 4,8 % und auf dem schwierigeren neuen Datensatz über 10 %. Bei der Zitiergenauigkeit der Columbia Journalism Review erzielte Grok 3 94 % Zitier-Halluzination – der schlechteste Wert aller in dieser Studie getesteten Modelle. Grok 4 wurde zum Zeitpunkt dieses Leitfadens auf CJR noch nicht unabhängig erneut getestet.

Grok 4.20 Reasoning: Die Kalibrierungs-Story

Grok 4.20 Reasoning ist die Variante in der Familie, bei der sich die Kalibrierungsverbesserung zeigt. Im Artificial-Analysis-AA-Omniscience-Benchmark erzielt sie 17 % bei der Halluzinationsrate „when attempting“ – der niedrigste Wert unter den damals getesteten Grok-Varianten und ein deutlicher Rückgang gegenüber Grok 4 (64 %) und Grok 4.1 Fast (72 %). Laut Suprminds Referenz zu KI-Halluzinationsraten und Benchmarks ist dies die erste Grok-Variante, die eine messbare Kalibrierungsverbesserung zeigt.

Für Workflows, in denen eine falsche Antwort teurer ist als keine Antwort, ist Grok 4.20 Reasoning die zu spezifizierende Variante. Sie ist in der API als grok-4.20-reasoning für 2 $/6 $ pro 1 Mio. Input-/Output-Token verfügbar (Artificial Analysis) – eine separate unabhängige Quelle (TheRouter) berichtet 3 $/9 $, der Konflikt ist zum Veröffentlichungszeitpunkt ungelöst.

Was ist Grok 5?

Grok 5 wurde wiederholt von Elon Musk und dem offiziellen X-Account von xAI als nächster großer architektonischer Schritt erwähnt. Laut Fello AI unter Verweis auf den X-Account von xAI (Mai 2026) ist Grok 5 für eine öffentliche Beta in Q2 2026 vorgesehen, nachdem das Ziel Q1 2026 verfehlt wurde. MindStudio (30. April 2026) berichtet, xAI trainiere parallel Grok-5-Varianten mit 6 bis 10 Billionen Parametern gemäß Musks öffentlichen Aussagen; eine Primärquelle ist nicht direkt verlinkt. Grok 4.4 (~1T Parameter) wird für 2–3 Wochen ab Ende April 2026 berichtet; Grok 4.5 (~1,5T) für 4–5 Wochen. Behandeln Sie alle Zeitangaben zu Grok 5 als volatil – verifizieren Sie vor Veröffentlichung oder Planung über den offiziellen X-Account von xAI.

Grok hat sechs Consumer-Stufen, zwei Business-Stufen und eine gestufte API. Die Struktur belohnt genaues Lesen, weil Stufennamen nicht sauber auf Modellversionen abbilden und die Zuordnung von Stufe zu Modell sich während gestaffelter Rollouts ändert. Die ehrliche Preisfrage für die meisten Nutzer ist nicht „Wie viel kostet Grok?“, sondern „Welches Grok-Modell bekomme ich tatsächlich in welcher Stufe?“

Consumer-Stufen

X Premium (8 $/Monat) ist in den Highlights oben nicht enthalten; vollständige Stufendetails für alle sechs Consumer-Stufen sind im Preisleitfaden dokumentiert. Quellen: felloai.com (Mai 2026); fritz.ai (Januar 2026); TechCrunch (Juli 2025, SuperGrok-Heavy-Launch).

SuperGrok vs. X Premium+: Wann was sinnvoll ist

SuperGrok für 30 $/Monat ist ein Grok-fokussiertes Abo. X Premium+ für 40 $/Monat bündelt Grok mit X-Plattform-Funktionen (weniger Werbung, längere Posts, Monetarisierung). Gleicher Modellzugang, unterschiedliches Value-Bundle. Wählen Sie SuperGrok, wenn Grok der primäre Use Case ist. Wählen Sie X Premium+, wenn Sie X Premium+ ohnehin kaufen würden.

SuperGrok Heavy: Für wen es gedacht ist

SuperGrok Heavy für 300 $/Monat ist die einzige Consumer-Stufe mit bestätigtem vollem Grok-4.3-Zugang (niedrigere Stufen erhalten Grok 4.3 im gestaffelten Rollout). Außerdem eröffnet es den Zugang zum 16-Agenten-Parallelmodus, der in Grok-4-Heavy-Benchmark-Demonstrationen verwendet wird. Die 300-$-Obergrenze beschränkt die Stufe allein durch die Kosten auf professionelle und Enterprise-Nutzer.

Grok-API-Preise

Hinweise zu Preis-Konflikten: Grok-4.20-reasoning wird mit 2 $/6 $ von Artificial Analysis und mit 3 $/9 $ von TheRouter angegeben. Wir verwenden Artificial Analysis als maßgebliche unabhängige Quelle. Verifizieren Sie vor Veröffentlichung in console.x.ai. Die Preise für Grok-4.1 werden auf der docs.x.ai-Preisseite im Rahmen der Recherche nicht angezeigt; die Sätze stammen von Drittanbieter-Aggregatoren.

API-Tools werden separat abgerechnet: Websuche, X-Suche, Code-Ausführung jeweils 5 $ pro 1.000 Aufrufe; Dateianhänge 10 $ pro 1.000; Collections-Suche 2,50 $ pro 1.000. xAI bietet neuen Accounts bis zu 175 $/Monat an kostenlosen API-Credits.

Welches Modell bekommen Sie tatsächlich in jeder Stufe?

Das ist die dokumentierte Intransparenz. SuperGrok für 30 $/Monat wird als „Grok 4.3 wird in Stufen ausgerollt“ beschrieben. Stufenäquivalente Nutzer erhalten gleichzeitig unterschiedliche Modelle – ohne UI-Indikator, welches Modell eine bestimmte Anfrage verarbeitet hat. Auto Mode verschärft das, indem dynamisch über Modellvarianten geroutet wird, ohne Offenlegung. Der einzige belastbare Disambiguierungsweg ist die API, wo Entwickler spezifische datierte Modell-IDs pinnen können (z. B. grok-4-0709).

Für SuperGrok-Heavy-Nutzer für 300 $/Monat ist voller Grok-4.3-Zugang bestätigt. Für SuperGrok- und X-Premium+-Nutzer für 30–40 $/Monat ist die Modellzuordnung teilweise gestaffelt. Für Kostenlos- und X-Premium-Nutzer für 0–8 $/Monat ist das Modell Grok 4 mit reduziertem Kontext und Rate Limits, teils auf ältere Varianten geroutet. Nichts davon ist in der Consumer-UI zum Veröffentlichungszeitpunkt sichtbar. Wenn Ihr Workflow davon abhängt, zu wissen, welches Modell geantwortet hat, nutzen Sie die API mit einer datierten Modell-ID.

Für eine tiefere Abdeckung der Stufe-zu-Modell-Zuordnung siehe den Grok-Preisleitfaden →

Grok bietet ein Feature-Set, das sich bei den Grundlagen (Chat, Sprache, Bildgenerierung) mit anderen Frontier-Assistenten überschneidet und bei einigen Punkten einzigartig für xAI abweicht (Echtzeit-X-Zugriff, Companions, die Multi-Agent-Heavy-Konfiguration). Die folgenden Funktionen sind nach Use Case organisiert.

Für Hinweise zur Parser-Treue, OCR-Verhalten und vollständige Feature-Mechanik siehe den Grok-Features-Deep-Dive →

Groks Benchmark-Profil ist das divergenteste aller Frontier-Modellfamilien. xAI veröffentlicht Ergebnisse, die Grok an oder nahe der Frontier positionieren; unabhängige Evaluationsplattformen zeigen je nach gemessenem Fehlermodus deutlich andere Zahlen. Das ist kein Widerspruch. Unterschiedliche Benchmarks messen unterschiedliche Dinge, und Groks Leistung variiert stark zwischen ihnen.

So lesen Sie Groks Benchmark-Profil

Groks Zuverlässigkeitsprofil teilt sich klar in vier Messkategorien. Jede testet einen anderen Fehlermodus. Ein Modell kann in einer Kategorie exzellent und in einer anderen schlecht abschneiden – und beide Werte sind korrekt.

• Vectara HHEM misst die Treue von Zusammenfassungen. Fügt das Modell Fakten hinzu, die nicht im Quelldokument stehen?
• AA-Omniscience misst Wissenskalibrierung. Wenn das Modell etwas nicht weiß: gibt es Unsicherheit zu oder erfindet es?
• FACTS misst mehrdimensionale Faktentreue, einschließlich suchgestützter und multimodaler Genauigkeit.
• Columbia Journalism Review (CJR) misst Zitiergenauigkeit. Stehen zitierte Behauptungen tatsächlich in den zitierten Quellen?

Grok-3 erzielte 2,1 % bei Vectara (exzellent) und 94 % bei CJR (schlechtester Wert aller getesteten Modelle). Dasselbe Modell. Dieselbe Ära. Beide Werte korrekt. Sie erzählen unterschiedliche Teile derselben Geschichte.

Halluzinationsraten über Grok-Varianten hinweg

Quellen: Vectara HHEM Leaderboard (2026); Artificial Analysis AA-Omniscience (Feb 2026); Google DeepMind FACTS (Dez 2025); Columbia Journalism Review (März 2025).

Für den vollständigen modellübergreifenden Vergleich und die Methodik siehe Suprminds Referenz zu KI-Halluzinationsraten und Benchmarks →

Grok zur Zitiergenauigkeit (CJR)

Grok-3 erzielte 94 % Zitier-Halluzination im Zitiergenauigkeitstest der Columbia Journalism Review – der schlechteste Wert aller getesteten Modelle. Zum Vergleich: Perplexity Sonar Pro erzielte 37 %, ChatGPT 67 %, Gemini 76 %. Das ist kein Hinweis am Ende einer Rezension. Es ist eine strukturelle Einschränkung, die definiert, wo Grok allein eingesetzt werden kann – und wo nicht.

Die Bedingungen, die Zitier-Halluzination auslösen, sind nicht ungewöhnlich: jede Aufgabe, die Quellenzuordnung erfordert, einschließlich Recherche-Synthese, journalistischer Unterstützung, Literaturreview und zitiergestützter Analyse. Grok muss nichts Exotisches tun, damit der Fehler auftritt. Für zitierabhängige Arbeit kombinieren Sie Grok mit einem Modell mit stärkerer Attributionsdisziplin – Perplexity ist datenbasiert die sauberste Kombination.

Die Divergenz zwischen internen und unabhängigen Benchmarks

Die Grok-4.1-Fast-Story ist am stärksten markiert. xAI behauptete intern eine Reduktion der Halluzinationen um 65 % von Grok 4 zu Grok 4.1 Fast (12,09 % auf 4,22 %). AA-Omniscience maß Grok 4.1 Fast unabhängig mit 72 % – schlechter als Grok 4 mit 64 %. Der MASK-Sycophancy-Benchmark stieg ebenfalls (0,07 auf 0,19–0,23). Beide Datenquellen sind korrekt. Sie messen unterschiedliche Dinge.

Die Kalibrierungsverbesserung von Grok 4.20 Reasoning ist der am stärksten unterberichtete Befund. Mit 17 % auf AA-Omnisciences „when attempting“-Metrik ist es die erste Grok-Variante mit einer sinnvollen Kalibrierungsverbesserung. Für Workflows, in denen eine falsche Antwort teurer ist als keine Antwort, ist dies die zu spezifizierende Grok-Variante.

Die Quintessenz ist nicht, dass xAIs Benchmarks falsch sind. Sie messen, was sie zu messen vorgeben. Die Quintessenz ist, dass die Konfiguration zählt: Ein Heavy-Multi-Agent-Score ist nicht direkt mit einem Single-Model-Score eines Peer-Anbieters vergleichbar, und ein Benchmark, der auf ein bestimmtes Evaluation-Harness abgestimmt ist, ist nicht dasselbe wie Performance in einem Produktions-Workflow.

Die Vergleichsstory ist bei jedem Wettbewerber anders. Gegen ChatGPT gewinnt Grok bei Geschwindigkeit und Echtzeitdaten und liegt bei Enterprise-Reife zurück. Gegen Claude gewinnt Grok bei der Größe des Kontextfensters und liegt bei Kalibrierung zurück. Gegen Gemini widersprechen sich die beiden Modelle im Multi-Modell-Datensatz stärker als jedes andere Paar. Gegen Perplexity hat Grok einen Echtzeit-X-Stream, liegt aber bei Zitiergenauigkeit zurück.

Fünf-Modell-Snapshot

Laut Suprmind Multi-Model Divergence Index, Ausgabe April 2026 (n=1.324 Production-Turns).

Für einen tieferen Head-to-Head-Vergleich mit strukturiertem Benchmark-Vergleich und Use-Case-Entscheidungstabellen siehe Grok vs. andere KI-Modelle →

Grok sammelt die am besten dokumentierte öffentliche Kontroverse aller Frontier-KI-Modelle dieser Generation. Drei Kontroversen sind am breitesten berichtet, und drei regulatorische Maßnahmen sind aktiv. Die Fakten unten sind auf dem Stand des Recherchelaufs im Mai 2026.

Fünf Orchestrierungsmuster, bei denen
Grok das Signal liefert, das ein Ensemble braucht.

Groks Wert ist am höchsten, wenn es ein Modell in einem Ensemble ist – nicht, wenn es als alleiniger Modell-Orakel behandelt wird. Die fünf Orchestrierungsmuster unten stammen aus dokumentierten Daten dazu, wo Grok Signal hinzufügt und wo es die Disziplin eines anderen Modells als Gegengewicht benötigt.

Für alle Details zu Groks Verhalten über alle fünf Anbieter hinweg siehe den Suprmind Multi-Model Divergence Index →