Grok 4.5 und Claude 4.8 lieferten sich auf meinem PC ein regelrechtes „Kampfduell“

Am 8. Juli stellte Elon Musk Grok 4.5 mit großem Aufwand vor und behauptete, seine Leistung nähere sich Claude Opus 4.8 an, sei dabei schneller und günstiger. Da der Wettbewerb zwischen Großmodell-Unternehmen sich von Parametern und Benchmark-Werten hin zu Preis und Agenten verlagert, haben wir 5 Aufgaben entworfen – von Frontendentwicklung, Browserspielen, PPT-Erstellung, Auswertung langer Dokumente bis hin zu logischem Schließen – um zu prüfen, ob die beiden Modelle in einer echten Computerumgebung praktisch arbeiten können.

Für die Umsetzung waren ihre jeweiligen Agenten zuständig: Claude Code und Grok Build. Unsere Anforderung war einfach: Erstellt jeweils einen Ordner auf dem Desktop und speichert die eigenen Testergebnisse darin.

Über das Ergebnis dieses Tests wollen wir mit einem „Tatort“ beginnen. Die Sache verhält sich so:

Zuerst erhielt Claude Code die Anweisung. Es erstellte den Ordner „Leistungstest“ auf dem Desktop und füllte nacheinander drei Unterverzeichnisse. Danach erhielt auch Grok Build die Anweisung, trat aber nicht separat vor – stattdessen übernahm es den bereits vorhandenen Ordner mit gleichem Namen und löschte kurzerhand die drei fertigen Verzeichnisse von Claude Code vollständig.

Als alle fünf Aufgaben erledigt waren, schaute Claude Code zurück und stellte fest, dass sein „Zuhause zerstört“ war – und erhob sofort eine „Anklage“.

Quelle / Screenshot von Claude Code

Nach der „Anklage“ stellte es die gelöschten Dateien wieder her und hinterließ die Zeile: „Ich lösche nicht eigenmächtig die Sachen anderer.“

Danach gab Grok eine schriftliche Entschuldigung ab und gestand drei Fehler ein: Es hatte die Zugehörigkeit des Verzeichnisses nicht bestätigt, die fertigen Arbeiten anderer fälschlicherweise als unvollständig eingestuft und eine unumkehrbare Löschmethode verwendet. Claude akzeptierte die Entschuldigung – unter der Bedingung, dass Grok seine drei Selbstverpflichtungen einhält: Keine Berührung von fremden Verzeichnissen, standardmäßige neue Erstellung von Pfaden und Nachfrage nach der Zugehörigkeit bei vorhandenen Ordnern mit gleichem Namen.

Dieser Zwischenfall darf nicht nur als Nebenhandlung des Tests abgetan werden. Für einen autonomen Agenten, der auf das echte Dateisystem zugreifen und Dateien bearbeiten kann, ist „vor dem Handeln zuerst zu klären, was das ist und wem es gehört“ selbst eine der härtesten Fähigkeiten.

Zurück zum Thema. Abgesehen von diesem „versehentlichen Löschunfall“ ist das Ergebnis von Grok 4.5 wirklich beeindruckend – in Bereichen wie Spielszenarien zeigt es sogar deutliche Vorteile. Im Folgenden zerlegen wir diesen Wettbewerb der Modelle, der sowohl Intelligenz als auch Feingefühl erfordert, anhand von fünf Dimensionen.

01. „Faulenzer-Timer“: Grok gewinnt beim Design, Claude bei den Details

Aufgabe: Erstelle einen webbasierten „Faulenzer-Timer für Berufstätige“: Er soll die Feierabendzeit einstellen, einen Echtzeit-Countdown anzeigen, zum festgelegten Zeitpunkt automatisch Konfetti regnen lassen und die Meldung „Schnell nach Hause!“ einblenden. Die Oberfläche soll ansprechend sein und Animationen enthalten. Liefere eine direkt nutzbare index.html-Datei.

Diese Aufgabe prüft drei Dimensionen gleichzeitig: Frontend-Engineering (ob eine lauffähige Seite erstellt werden kann), Produktinteraktion (ob Buttons, Rückmeldungen und visuelle Gestaltung benutzerfreundlich sind) sowie Zeitlogik (Countdown, Zeitzone, Auslösezeitpunkt).

Die Schwierigkeit verbirgt sich hinter dem Wort „nutzbar“. Der Countdown muss mit der lokalen Zeitzone synchronisiert sein und keine Sekunde abweichen; der Zustandsautomat muss reibungslos zwischen „Arbeitszeit – kurz vor Feierabend – Feierabend“ wechseln; die Konfetti-Animation soll festlich wirken, ohne den Browser zu verlangsamen. Am wichtigsten ist: Das fertige Produkt soll Berufstätige wirklich dazu bringen, es zu öffnen – kein halbfertiges Demo-Produkt.

Von Claude erstellter Faulenzer-Timer

Von Grok erstellter Faulenzer-Timer

Bei dieser Aufgabe liegen beide Seiten gleichauf. Grok hat einen leichten Vorsprung bei der visuellen Raffinesse, während Claude bei Soundrückmeldungen, Schnelleinstellungen und witzigen Texten punktet.

02. Faulenzer-Spiel entwickeln: Grok gewinnt, Claudes „Berufstätiger“ lässt sich schlecht steuern

Aufgabe: Erstelle ein kleines Browserspiel, das mit einer einzigen index.html läuft:

Thema: „Der große Faulenzer-Kampf“.

Spielprinzip: Auf dem Bildschirm fallen ständig „Kaffee“ (Punkte) und „Chef“ (bei Berührung endet das Spiel) herunter. Mit den linken/rechten Pfeiltasten steuerst du den „Berufstätigen“ unten, um Kaffee zu fangen und dem Chef auszuweichen.

Es soll enthalten: Echtzeit-Punktestand, Höchstpunktzahl, steigender Schwierigkeitsgrad mit der Zeit, Popup bei Spielende und Button für „Nochmal spielen“. Die Farbgestaltung soll niedlich sein, mit einfachen Animationen und Soundeffekten.

Sag mir nach der Fertigstellung, wie man es startet.

Kern der Prüfung sind drei Begriffe: Echtzeit-Interaktion, Zustandsautomat und Spielgefühl. Es muss ein „lebendiges“ System entstehen, das kontinuierlich auf Eingaben des Spielers reagiert, das Bild in Echtzeit aktualisiert und den Schwierigkeitsgrad dynamisch anpasst.

Bei diesem Spiel muss pro Frame genau geprüft werden, ob der „Kaffee“ gefangen wurde und ob der „Chef“ den Spieler getroffen hat. Außerdem soll die Fallgeschwindigkeit mit der Zeit sanft ansteigen – nicht zu langweilig, aber auch nicht so schnell, dass es den Spieler abschreckt. Das prüft, wie gut das Modell das „Flow-Gefühl“ beim Spielen versteht.

Von Claude erstelltes Faulenzer-Spiel

Von Grok erstelltes Faulenzer-Spiel

Bei dieser Aufgabe gewinnt Grok. Sein Code ist etwa dreimal so umfangreich wie der von Claude, die Spielfunktionen sind reichhaltiger und es gibt klare Level- und Schwierigkeitsstufen. Die von Claude gelieferte Version sieht auf den ersten Blick auch gut aus – aber der „Berufstätige“ unten lässt sich nicht mit den Tasten steuern, was das Spielgefühl beeinträchtigt.

03. PPT für Elektroautos erstellen: Beide meistern die Industriekette-Grafik – Unentschieden

Aufgabe: Erstelle eine 5-seitige PPT mit dem Thema „Chinas Markt für neue Energieautos im ersten Halbjahr 2026“.

Anforderungen:

1. Generiere direkt eine herunterladbare PPTX-Datei; falls die Umgebung keine Datei erstellen kann, liefere seitenweisen Inhalt, der in PPT kopiert werden kann.

2. Auf Seite 3 muss das Diagramm zur „oberen und unteren Industriekette“ mit nativen PPT-Formen gezeichnet werden – kein bloßes Einfügen eines Bildes.

3. Struktur der 5 Seiten:

- Titelseite

- Marktübersicht

- Diagramm zur oberen und unteren Industriekette

- Wettbewerbslandschaft

- Schlussfolgerungen und Trends

4. Professionelle Farbgestaltung, passend für eine Produktvorstellung.

5. Jede Seite soll Titel, Kernpunkte des Textes, Diagrammbeschreibung und Sprechernotizen enthalten.

6. Alle unsicheren Daten müssen mit „zu prüfen“ markiert werden – keine erfundenen echten Marktzahlen.

Der Kern dieser Aufgabe lässt sich in drei Wörtern zusammenfassen: Strukturierte Darstellung, ästhetisches Layout und Datendisziplin. Das Modell wird in eine reine Büroumgebung versetzt, wo es komplexe Informationen in eine klare Erzähllogik bringen und mit professioneller visueller Sprache darstellen muss.

Konkret prüft das Erstellen des Industriekette-Diagramms die Fähigkeit des Modells, mit der PPT-Grafik-Engine umzugehen – einschließlich Verbindungslinien, Layout, Hierarchie und konsistenter Farbgestaltung. Details wie Farben, Schriftarten, Abstände und Ausrichtung müssen auch bei Vergrößerung überzeugen, ohne billig zu wirken. Noch wichtiger: Bei unbekannten echten Daten muss es offen „zu prüfen“ markieren, keine Halluzinationen erzeugen.

Von Claude erstellte PPT

Von Grok erstellte PPT

Das tatsächliche Ergebnis zeigt: Beide Arbeiten erfüllen die harte Anforderung, das Industriekette-Diagramm mit nativen Formen (keinen Bildern) zu zeichnen, und enthalten vollständige Sprechernotizen – die Professionalität ist nahezu gleich. Auch bei der Datennutzung wurden die zu prüfenden Teile markiert.

Beide PPTs sind in der Rahmenvollständigkeit und Lieferqualität gleichauf – auch diese Aufgabe endet unentschieden.

04. Die SpaceX-Prospekt lesen: Hunderte Seiten durcharbeiten – niemand hat Zahlen erfunden

Aufgabe:

Wir füttern die KI mit dem fast 400-seitigen SpaceX-Prospekt und stellen beiden Seiten vier präzise Such- und Überprüfungsaufgaben:

1. Stimmen die Zahlenangaben zum Umsatz des Starlink-Geschäfts im Text und im Anhang des Finanzberichts überein? Gibt es im Anhang besondere Erläuterungen?

2. Liste jeweils den „Netto-Cashflow aus betrieblicher Tätigkeit“ für die Geschäftsjahre 2024 und 2025 auf und gib die genaue Stelle dieser Zahlen im Dokument an.

3. Finde im Kapitel „Risikofaktoren“ alle direkt mit „Elon Musk persönlich“ verbundenen Risikopunkte und liste sie einzeln auf.

4. Hat der Prospekt die „genauen Kosten eines einzelnen Starship-Starts“ offengelegt? Falls ja, gib den Wert und die Quelle an; falls nein, antworte klar mit „Im Dokument nicht offengelegt“.

Diese Aufgabe prüft am meisten die Genauigkeit. Die Schwierigkeit liegt in jedem Detail: Strukturierte Auswertung des sehr langen Prospekts, Abgleich der Angaben zwischen Text und Finanzanhang, Finanzwissen zur Unterscheidung von „Segmentumsatz“ und „Markenumsatz“, berufliche Disziplin, keine Zahlen zu erfinden, sowie die Anforderung, Quellen (Tabellennummer/Seitenzahl/Anhangsnummer) exakt nachprüfbar anzugeben.

Von Claude aufgelistete, mit Musk verbundene Risikopunkte