Grok 4.6 für Datenanalyse: Was ist neu, Preise und Alternativen (2026)
Grok 4.6 erschien am 12. August 2026. xAI beschreibt das Modell als einen Fortschritt in zwei Bereichen: langlebige Agenten (long-running agents) sowie anspruchsvollere interaktive und visuelle Arbeiten. Die Preise beginnen bei $2 pro Million Input-Token und $6 pro Million Output-Token, wobei eine schnelle Variante das Doppelte kostet.
Für alle, deren Arbeit in einem Diagramm oder Bericht mündet, ist die interessante Formulierung „visuelle Arbeiten“. Es ist auch die Formulierung, über die in der Ankündigung am wenigsten gesagt wird.
Dieser Leitfaden befasst sich mit den Neuerungen und der Preisgestaltung. Anschließend wird beleuchtet, was das Versprechen bezüglich der Agenten für die Datenarbeit bedeutet und ab wann ein stärkeres Modell nicht mehr der Flaschenhals ist.
Was ist neu in Grok 4.6
Die Ankündigung ist kurz und präzise in Bezug auf die Absichten. Grok 4.6 „baut auf Grok 4.5 auf, mit einem besonderen Fokus auf langlebige Agenten und anspruchsvollere interaktive und visuelle Arbeiten.“
Es folgt das Versprechen bezüglich des Verhaltens. Das Modell „bleibt über viele Schritte hinweg an komplexen Aufgaben dran“. Die aufgeführten Beispiele sind die Recherche zu einem Thema, das Analysieren von Informationen, das Arbeiten an einer Codebasis und das Verwandeln einer Idee in eine ausgereifte Anwendung.
Beachten Sie die Struktur dieses Satzes. Drei der vier Beispiele betreffen Recherche, Analyse und Code. Das vierte ist das Erstellen einer Anwendung – eine ganz andere Aufgabe als das Erstellen einer Präsentation.
In Bezug auf Messwerte gibt xAI an, dass Grok 4.6 auf dem Artificial Analysis Intelligence Index mit einer Punktzahl von 61 mit GPT-5.6 Sol gleichzieht. Die anderen genannten Benchmarks sind CursorBench, DeepSWE und FrontierCode.
Diese drei sind Coding-Benchmarks. Sie sind legitime Messgrößen. Sie verraten Ihnen jedoch nicht, wie das Modell mit einer unordentlichen Tabelle umgeht. Denken Sie daran, bevor Sie eine Punktzahl als Versprechen interpretieren.
Zwei Begriffe in diesem Rahmen verdienen eine getrennte Betrachtung. „Langlebig“ (long-running) bezieht sich auf die Ausdauer über mehrere Schritte hinweg, was messbar ist. „Visuelle Arbeiten“ ist vager, und die Ankündigung definiert nicht, was als visuelle Ausgabe gilt, und zeigt auch kein Beispiel.
Die Vorgängerversion ist die Baseline. xAI stellt 4.6 als Weiterentwicklung von Grok 4.5 dar, es handelt sich also eher um ein inkrementelles Update als um eine neue Architektur.
Preise und Verfügbarkeit
| Posten | Angaben von xAI |
|---|---|
| Standardpreise | $2 pro Million Input-Token, $6 pro Million Output-Token |
| Schnelle Variante | Das Doppelte des Standardpreises |
| Verfügbar in | Cursor und Grok Build sowie über die API |
| Partner | OpenRouter, Vercel, Cloudflare |
| Einführungsangebot | 2x inkludierte Nutzung in Grok Build und Cursor in der ersten Woche |
Zwei Dinge sollte man genau lesen. Die Preise gelten pro Token, beschreiben also die API-Nutzung und nicht den Preis pro Arbeitsplatz für einen geschäftlichen Nutzer. Und das Einführungsangebot ist als Regelung für die erste Woche deklariert, sollte also als vorübergehend betrachtet werden.
Wenn Ihr Team Modelle über ein Produkt und nicht über die API nutzt, ist dieser Preis nicht der Betrag, der letztendlich auf Ihrer Rechnung steht.
Auch die Zeile zur Verfügbarkeit verdient einen zweiten Blick. Die genannten Plattformen für den Start sind ein Code-Editor und eine Build-Umgebung, was zeigt, für wen dieses Release konzipiert wurde. Nichts auf dieser Liste ist ein Werkzeug für Business-Analysten.
Beachten Sie auch, was die Tabelle nicht enthält. In der Ankündigung gibt es keine Angabe zum Kontextfenster und keinen Preis pro Arbeitsplatz oder Nutzer. Beides sind offene Fragen für jeden, der ein Budget für ein Rollout plant.
Was „langlebige Agenten“ für die Datenarbeit bedeuten
Das Versprechen bezieht sich auf die Ausdauer über mehrere Schritte hinweg, und das ist für Analysen durchaus von Bedeutung. Die meisten realen Fragen sind Ketten und keine einzelnen Abfragen.
Ein konkretes Beispiel: Sie fragen, welche Region einen Rückgang verzeichnet hat, und dann, ob dieser Rückgang ein bestimmtes Produkt betrifft. Danach fragen Sie, ob dasselbe Muster im letzten Jahr aufgetreten ist und wie ein korrigiertes Diagramm aussieht. Jede Antwort verändert die nächste Frage.
Ein Modell, das im dritten Schritt den Faden verliert, zwingt Sie dazu, den Kontext immer wieder neu zu erklären. Ein Modell, das den Faden behält, lässt die Kette zu Ende führen, was die Arbeit spürbar angenehmer macht.
Was diese Ausdauer jedoch nicht leistet, ist die Entscheidung, welcher Kette es sich zu folgen lohnt. Dieses Urteil liegt weiterhin bei der Person, die weiß, warum die Frage überhaupt gestellt wurde.
Es gibt eine praktische Möglichkeit, dies selbst zu testen. Zählen Sie, wie viele Folgefragen Ihre letzte echte Analyse benötigte, bevor sie etwas Brauchbares hervorbrachte. Wenn die Antwort mehr als vier lautet, ist diese Ausdauer eine Funktion, die Sie deutlich spüren werden.
Was sich dadurch nicht ändert
Drei Dinge bleiben von einem besseren Modell unberührt, und sie mit der Modellqualität zu verwechseln, ist ein häufiger Fehler.
Ihre Daten müssen immer noch korrekt sein. Ein Modell, das logische Schlüsse aus einer Spalte mit zwei verschiedenen Datumsformaten zieht, liefert eine überzeugende Antwort auf die falsche Frage.
Definitionen müssen weiterhin abgestimmt sein. Wenn Marketing und Finanzen einen aktiven Kunden unterschiedlich definieren, kann kein Modell diesen Konflikt lösen. Es wird einfach die Definition verwenden, die es abgeleitet hat.
Das Ergebnis muss weiterhin vertretbar sein. Jemand wird fragen, woher eine Zahl stammt. Diese Antwort hängt von Ihrem Workflow ab, nicht von dem dahinterstehenden Modell.
Die Frage muss immer noch die richtige sein. Ein Modell, das präzise antwortet, wird genau das beantworten, was Sie gefragt haben – selbst wenn die Frage am Thema vorbeigeht. Das Framing bleibt der Schritt mit der größten Hebelwirkung und der am wenigsten automatisierte.
Wo ein stärkeres Modell nicht mehr weiterhilft
Modellleistung und Analyse-Workflow sind unterschiedliche Flaschenhälse. Die meisten Teams werden durch den zweiten eingeschränkt.
Diese Lücke zeigt sich auf ganz bestimmte Weise. Sie erhalten eine gute Antwort in einem Chatfenster. Dann verbringen Sie zwanzig Minuten damit, diese in ein Diagramm, eine Folie und eine Zusammenfassung zu übertragen. Bis sie den Leser erreicht, ist der Weg zurück zur Quelle verloren gegangen.
Genau um diesen Teil herum ist Powerdrill Bloom aufgebaut. Sie laden die Datei hoch und untersuchen sie auf einer Arbeitsfläche (Canvas), auf der jedes Diagramm mit den dahinterliegenden Daten verknüpft bleibt. Die Arbeitsfläche lässt sich in einem Schritt in Folien umwandeln und nach PowerPoint oder Notion exportieren.
Offen gesagt geht es hierbei nicht um einen konkurrierenden Anspruch auf Intelligenz. Es geht um den Weg zwischen einer Antwort und einem Ergebnis, mit dem tatsächlich gearbeitet werden kann.
Diese Unterscheidung ist auch für die Budgetierung wichtig. Ausgaben für ein besseres Modell verbessern die Antwort. Ausgaben für den Weg von der Antwort zum fertigen Ergebnis erhöhen die Wahrscheinlichkeit, dass eine Antwort tatsächlich zu einer Entscheidung führt – und das sind zwei völlig unterschiedliche Probleme.
Wissenswerte Alternativen
Die Wahl des Modells spielt eine geringere Rolle, als die meisten Vergleiche vermuten lassen, da meist der Workflow um das Modell herum entscheidend ist.
| Wenn Sie Folgendes wünschen | Sollten Sie sich das ansehen |
|---|---|
| Direkten API-Zugriff zu einem günstigen Token-Preis | Grok 4.6 und vergleichbare Modelle |
| Ein fertiges Diagramm, einen Bericht oder eine Präsentation aus einer Datei | Einen datenfokussierten Agenten |
| Die aktuellen Alternativen zu Grok | Unsere Übersicht über Grok-Alternativen für die Datenanalyse |
Diese Übersicht wurde für eine frühere Version geschrieben. Lesen Sie sie daher eher, um sich einen Überblick über den Markt zu verschaffen, und weniger wegen der aktuellen Versionsnummern.
Noch ein Denkfehler, den man vermeiden sollte: Die Auswahl eines Modells basierend auf der Indexplatzierung dieses Monats setzt voraus, dass das Ranking stabil ist – und das war es seit zwei Jahren nicht mehr. Wählen Sie das Modell danach aus, was Sie tatsächlich erstellen müssen.
Für wen das gedacht ist
Grok 4.6 richtet sich an Personen, die auf einem Modell aufbauen. Die Plattformen für den Start zeigen das deutlich: Cursor, Grok Build, die API und drei Infrastrukturpartner.
Wenn Sie ein Business-Analyst mit einem Datenexport und einer Deadline sind, liefert dieses Release für Sie eher Hintergrundinformationen als einen Werkzeugwechsel. Die Version, die Sie letztendlich nutzen, wird in das Produkt integriert sein, das Sie ohnehin schon verwenden.
Das ist keine Kritik an dem Release. Modellanbieter liefern zuerst an Entwickler, weil dort die Integration stattfindet, und Business-Tools übernehmen diese Verbesserungen dann einige Wochen später.
Fazit
Grok 4.6 erschien am 12. August 2026 zu Preisen von $2 und $6 pro Million Token. Der angegebene Fokus liegt auf langlebigen Agenten und visuelleren Arbeiten. Die genannten Benchmarks sind stark auf das Coding ausgerichtet, sodass das Versprechen bezüglich der visuellen Fähigkeiten in der Öffentlichkeit noch weitgehend unbewiesen ist.
Für die Datenarbeit lautet die entscheidende Frage nicht, welches Modell diesen Monat die Nase vorn hat. Sie lautet vielmehr, ob Ihre Antwort den Weg in ein Diagramm, eine Folie und zum Leser findet, ohne dass die Quelle verloren geht. Testen Sie Powerdrill Bloom mit einer Datei, die Sie bereits haben. Werfen Sie auch einen Blick auf unsere Seiten zum Datenvisualisierungs-Tool und zu den Auto-Insights.
Achten Sie als Nächstes auf zwei Dinge: Ob xAI ein Beispiel für die visuellen Arbeiten veröffentlicht und ob die Produkte, die Sie bereits verwenden, diese Version übernehmen.
Die Fakten wurden am 13. August 2026 anhand der offiziellen Ankündigung von xAI überprüft. Modellpreise und Verfügbarkeit können sich schnell ändern. Überprüfen Sie daher die Quelle, bevor Sie Zahlen zitieren.
Häufig gestellte Fragen
Was ist neu in Grok 4.6?
xAI beschreibt einen Fokus auf langlebige Agenten sowie anspruchsvollere interaktive und visuelle Arbeiten. Das Modell soll über viele Schritte hinweg an komplexen Aufgaben dranbleiben, darunter Recherche, Analyse und Code.
Wie viel kostet Grok 4.6?
Die Preise beginnen bei $2 pro Million Input-Token und $6 pro Million Output-Token. Eine schnelle Variante kostet das Doppelte, und beide Zahlen beschreiben die API-Nutzung und nicht einen Preis pro Arbeitsplatz.
Eignet sich Grok 4.6 für die Analyse von Tabellenkalkulationen?
In der Ankündigung wird dies nicht explizit behauptet. Die genannten Benchmarks sind auf das Coding ausgerichtet, sodass die Leistung bei Tabellenkalkulationen durch die veröffentlichten Zahlen nicht gemessen wird.
Wo kann ich Grok 4.6 nutzen?
xAI listet Cursor und Grok Build sowie die API und Partner wie OpenRouter, Vercel und Cloudflare auf. In der ersten Woche galt ein Angebot für 2x inkludierte Nutzung in Grok Build und Cursor.
Kann ein besseres Modell fehlerhafte Daten korrigieren?
Nein. Inkonsistente Formate, strittige Metrikdefinitionen und nicht nachvollziehbare Zahlen sind Workflow-Probleme. Ein stärkeres Modell wird einfach eine überzeugende Antwort auf der Grundlage der Datenversion liefern, die ihm zur Verfügung gestellt wurde.