VerdictPal
Beitreten

Modelle / xAI

Grok 4.3

Grok · Release 2026-04-30

xAIs Frontier-Modell April 2026 mit 2M-Token-Kontext, eingebauter Echtzeit-X-Suche und Vals-Index 46,63 %. Nicht das klügste Modell der Bestenliste, aber das einzige mit 2M-Kontext und einem Live-Sozialgraphen.

Default-Modell für Echtzeit-Soziale-Signale, sehr langen Kontext (>1M) und aktualitätskritische Recherche, in der Minuten zählen.

#19 von 24 im Vals Index · aktueller Snapshot
47 Vals Index · 17 Benchmark-Zeilen · 9 QuellenPosition ist benchmark-spezifisch — kein Cross-Family- oder Cross-Source-Ranking.
Composite60
Kontext2M
Input / 1M$5.0
Output / 1M$25
Wissensstichtag2026-03-15
Statussolid

Familienprofil

Bester veröffentlichter Score je abgedeckter Benchmark-Familie.

79/100 Ø
Wissen
89
Reasoning
88
Coding
78
Agentisch
64
Langer Kontext
66
Tool-Nutzung
77
Menschliche Präferenz
88

7 getestete Benchmark-Familien

Redaktionsnotiz
Grok 4.3 ist das einzige Modell auf dem öffentlichen Markt mit echtem >1M-Kontext. Das 2M-Fenster ist real — aber in unseren Langdokument-Tests fällt die Zitat-Treue nach 1,5M Tokens stark ab. Die X-Such-Integration ist ein echter Differentiator für Breaking-News-Recherche.
Benchmark-Platzierungen

Wo Grok 4.3 auf jeder öffentlichen Benchmark-Quelle mit Zeile steht. Rang zählt jedes Modell mit neuester Zeile im selben Test — kein universeller Qualitätsscore.

BenchmarkFamilyRangScoreQuelleDatum
LMArena (Chatbot Arena)Human preference#4/ 1388LMArena leaderboard2026-05-25
IFBenchReasoning#5/ 12781Artificial Analysis2026-09-01
MMLUKnowledge#11/ 2289xAI Grok 4.32026-04-30
BFCLTool use#12/ 2077Berkeley Function Calling Leaderboard V42026-04-15
LiveBenchReasoning#17/ 2161LiveBench leaderboard2026-04-15
LongBench v2Long context#17/ 1946LongBench v2 leaderboard2026-04-01
Vals IndexAgentic#18/ 2347Vals AI — Vals Index2026-06-04
SWE-bench VerifiedCoding#19/ 2378SWE-bench Verified leaderboard2026-06-09
Humanity's Last ExamReasoning#46/ 18037Artificial Analysis2026-09-01
Terminal-BenchAgentic#60/ 18464Terminal-Bench 2.0 leaderboard2026-06-09
SciCodeCoding#61/ 18047Artificial Analysis2026-09-01
GPQA DiamondReasoning#63/ 18588GPQA Diamond paper leaderboard2026-05-15
τ³-Bench BankingAgentic#82/ 10612Artificial Analysis2026-09-01
Artificial Analysis Intelligence IndexReasoning#88/ 18738Artificial Analysis2026-09-01
AA-LCRLong context#119/ 17966Artificial Analysis2026-09-01
AA time to first tokenPerformance#149/ 186Artificial Analysis2026-09-01
AA output speedPerformance#150/ 187Artificial Analysis2026-09-01
Family-Kontext

Die drei höchstscorierenden kartierten Modelle pro Capability-Family. Wo Grok 4.3 auftaucht, ist es hervorgehoben.

KnowledgeGrok 4.3 · 89
  1. 1
    GPT 5.5
    91
  2. 2
    Claude Opus 4.8
    91
  3. 3
    Claude Sonnet 4.6
    91
ReasoningGrok 4.3 · 88
  1. 1
    Claude Mythos Preview
    95
  2. 2
    Gemini 3.7 Flash
    95
  3. 3
    Grok 4.6
    95
CodingGrok 4.3 · 78
  1. 1
    GPT 5.5
    96
  2. 2
    Claude Opus 4.8
    96
  3. 3
    Claude Opus 4.6
    96
AgenticGrok 4.3 · 64
  1. 1
    GPT 5.5
    100
  2. 2
    Claude Opus 4.8
    100
  3. 3
    Claude Fable 5
    100
Long contextGrok 4.3 · 66
  1. 1
    Muse Spark 1.2
    83
  2. 2
    Kimi K3
    83
  3. 3
    Gemini 3.5 Flash
    81
Tool useGrok 4.3 · 77
  1. 1
    Claude Sonnet 4.6
    89
  2. 2
    GPT 5.5
    87
  3. 3
    Claude Opus 4.8
    87
Human preferenceGrok 4.3 · 88
  1. 1
    GPT 5.5
    95
  2. 2
    Claude Opus 4.8
    92
  3. 3
    Gemini 3.5 Flash
    91
Neueste Belege

Benchmark-Zeilen im öffentlichen Ledger für Grok 4.3 in den letzten 120 Tagen. Ältere Zeilen stehen in der vollen Tabelle unten.

13 neu
BenchmarkFamilyScoreQuelleTage her
AA-LCRLong context66%Artificial Analysis5
AA output speedPerformance0 t/sArtificial Analysis5
AA time to first tokenPerformance0.00sArtificial Analysis5
Artificial Analysis Intelligence IndexReasoning37.9%Artificial Analysis5
Humanity's Last ExamReasoning37.2%Artificial Analysis5
IFBenchReasoning81.29%Artificial Analysis5
SciCodeCoding47.3%Artificial Analysis5
τ³-Bench BankingAgentic12.37%Artificial Analysis5
SWE-bench VerifiedCoding77.6%SWE-bench Verified leaderboard89
Terminal-BenchAgentic63.8%Terminal-Bench 2.0 leaderboard89
Vals IndexAgentic46.63%Vals AI — Vals Index94
LMArena (Chatbot Arena)Human preference1441LMArena leaderboard104
GPQA DiamondReasoning88%GPQA Diamond paper leaderboard114
Family-Abdeckung

Ein hoher Composite, der eine schwache Family versteckt, ist eine Falle. Diese Balken zeigen Families ohne öffentlichen Test — und wo das Modell führt.

Wissen89
Reasoning88
Coding78
Agentisch64
Langer Kontext66
Tool-Nutzung77
Menschliche Präferenz88
Preis vs. Performance
0255075100$0.10$0.30$1$3$10$30Input-USD / 1M Tokens · log-Skala →← Intelligenz

Hover auf einen Punkt zeigt Name, Score und Input-Preis. Per Tastatur: die zwölf besten mit Tab durchgehen oder die Rangliste unten nutzen.

AnthropicOpenAIMistralAlibabaDeepSeekGoogleMoonshotMetaMiniMaxxAIZhipuXiaomiOtherMeituanCohereNVIDIA

Volles Benchmark-Ledger

Jeder Katalog-Benchmark für Grok 4.3. Scores verlinken zur Originalquelle; Lücken heißen: noch keine öffentliche Zeile.

17 Quell-Zeilen

17 von 37 Katalog-Benchmarks haben eine belegte Zeile für Grok 4.3.

Knowledge

Reasoning

Coding

Agentic

Long context

Tool use

Performance

Human preference

Changelog
  1. Grok 4.3 mit 2M-Kontext und Echtzeit-X-Suche veröffentlicht.
  2. Grok 4.20 aus der allgemeinen Verfügbarkeit ausgemustert.
Quellen