Grok 5 als AGI? Was Musk über xAIs Modellfahrplan tatsächlich gesagt hat

Elon Musk hat am 14. September einen weitreichenden Fahrplan für xAIs kommende Grok-Modelle skizziert. Demnach sollte Grok 4.8 noch in derselben Woche sein Vortraining abschließen und danach in das Reinforcement Learning (RL) gehen. Grok 5 stellte Musk als Modell in Aussicht, das künstliche allgemeine Intelligenz – kurz AGI – erreichen könnte.

Das ist allerdings eine Ankündigung des Gründers, kein nachgewiesenes AGI-Ergebnis: Öffentliche Benchmarkwerte, eine Modellkarte, eine konkrete AGI-Definition und ein Veröffentlichungstermin fehlten. 124

Der angekündigte Weg von Grok 4.8 zu Grok 5

Musk bezeichnete Grok 4.8 als Modell mit 2,5 Billionen Parametern, das auf einem neuen C++-Software-Stack von xAI trainiert werde. Nach Abschluss des Vortrainings sollte die RL-Phase folgen. Beim Reinforcement Learning wird ein bereits vortrainiertes Modell mithilfe von Rückmeldungen und Optimierungszielen auf gewünschte Antworten und Verhaltensweisen ausgerichtet. 12

Für die Modelle nach Grok 4.7 zeichnete Musk diese grobe Abstufung:

• Grok 4.8: eine „spürbare Verbesserung“ gegenüber Grok 4.7.
• Grok 4.9: vermutlich in der Klasse von Astra oder Fable.
• Grok 5: möglicherweise „besser als alles andere“; auf die Frage nach AGI verwies Musk auf Grok 5 statt auf Grok 4.8. 214

Gerade diese Wortwahl setzt Grenzen für die Aussagekraft. „Möglicherweise besser als alles andere“ ist keine messbare Leistungszusage. Ebenso offen bleibt, welche Fähigkeiten, Fehlerraten, Autonomie, Sicherheitsanforderungen oder Tests ein Modell für xAI überhaupt zur AGI machen würden. Berichte werteten Grok 5 als xAIs beanspruchten AGI-Durchbruch – der zugrunde liegende Fahrplan liefert dafür aber keine überprüfbaren Kriterien. 210

Grok 4.7: Musk dämpft die Erwartungen

Beim näher bevorstehenden Grok 4.7 fiel Musks Einordnung deutlich vorsichtiger aus. Das Modell solle „ungefähr auf dem Niveau von Opus 5.0, nicht 5.1“ liegen – in einigen Bereichen besser, in anderen schlechter. Außerdem müsse xAI die multimodalen Fähigkeiten noch verbessern, also etwa die Verarbeitung und Verbindung von Text, Bildern oder anderen Eingabeformen. 38

Das ist etwas anderes als ein Anspruch auf die allgemeine Spitzenposition. Zugleich macht es den weiteren Fahrplan vorläufig: Grok 4.8, 4.9 und 5 wurden diskutiert, obwohl Entwicklerinnen und Entwickler Grok 4.7 noch nicht selbst öffentlich testen konnten.

Warum die Verzögerung bei Grok 4.7 zählt

Am 2. September hatte Musk Grok 4.7 in etwa zehn Tagen angekündigt – das deutete auf einen Start um den 12. September hin. Am 11. September hieß es dann, das Modell brauche noch „ein paar Tage“. 720

Als mögliche Erklärung nannte Musk ein Problem beim RL-Feintuning: xAI könnte längere Antworten zu stark bestraft haben. Dadurch breche das Modell anspruchsvolle Aufgaben möglicherweise zu früh ab, obwohl es sie eigentlich lösen könnte, und überprüfe seine Resultate nicht gründlich genug. Musk formulierte das ausdrücklich als mögliche Diagnose, nicht als abschließende technische Erklärung. 2021

Das ist mehr als eine Terminverschiebung. Es verdeutlicht den Unterschied zwischen einem abgeschlossenen großen Trainingslauf und einem verlässlich einsetzbaren Produkt. Nachtraining, Evaluation, multimodale Qualität, Robustheit, Sicherheit, Einsatzbereitschaft und Preisgestaltung können darüber entscheiden, wann – oder ob – ein Modell tatsächlich veröffentlicht wird.

Was zu diesem Zeitpunkt tatsächlich verfügbar war

Stand 14. September war Grok 4.7 nicht öffentlich veröffentlicht. Als jüngstes dokumentiertes Flaggschiff von xAI galt weiterhin Grok 4.6, das am 12. August erschien. Für die API wurden 2 US-Dollar je Million Eingabetokens und 6 US-Dollar je Million Ausgabetokens genannt. 311

Parallel waren Claude Fable 5.1, Gemini 3.8 Flash und GPT-6 Astra laut Berichten bereits im September veröffentlicht worden oder offiziell angekündigt. 3445 Dieser Wettbewerbsrahmen erhöht den Druck auf xAI, belegt aber keine Vergleichsleistung von noch nicht verfügbaren Grok-Modellen.

Die entscheidende Frage: Was lässt sich überprüfen?

Die gemeldete Größe von 2,5 Billionen Parametern und der neue Trainings-Stack deuten auf erhebliche Infrastrukturinvestitionen hin. Weder die Parameterzahl noch Rechenkapazität allein beweisen jedoch Leistungsfähigkeit, Verlässlichkeit oder AGI. Die Verzögerung von Grok 4.7 zeigt ganz praktisch, wie entscheidend das Verhalten eines Modells nach dem Training sein kann. 120

Für Entwickler, Kunden und Investoren sind daher konkretere Wegmarken wichtiger als ein ambitionierter Fahrplan:

1. Eine offizielle Veröffentlichung mit nutzbarem Modell oder Produktzugang.
2. Dokumentation, Preise und eine Modellkarte, die Grenzen und Eigenschaften transparent macht.
3. Reproduzierbare Benchmark-Ergebnisse, bei Bedarf auch für multimodale und lang laufende Aufgaben.
4. Eine klare AGI-Definition samt Prüfmaßstab, bevor die AGI-Aussage mehr als ein Zielbild ist.

Musks Aussagen vom 14. September zeigen damit vor allem die Richtung, die xAI einschlagen will: erst Grok 4.8 nach Vortraining und RL, dann ein stärkeres Grok 4.9 und schließlich das sehr ambitionierte Grok 5. Sie belegen nicht, dass eines dieser Modelle das angekündigte Leistungsniveau oder AGI bereits erreicht hat. 24