Während die meisten KI-Benchmarks Mathe und Code testen, hat Grok 4.3 von xAI gerade dort zugeschlagen, wo es in der Realität am meisten wehtut: bei Recht und Finanzen. Auf den privaten Vals-AI-Benchmarks - also Tests, die nicht öffentlich trainierbar sind - hat xAIs Modell beide Spitzenpositionen erobert.
Die Ergebnisse im Detail
Der CaseLaw (v2)-Benchmark testet juristisches Reasoning anhand echter kanadischer Gerichtsurteile: Präzedenzfälle verstehen, komplexe Urteilsbegründungen analysieren, präzise Antworten aus verschlungenen Gerichtsentscheidungen extrahieren. Grok 4.3 erreicht hier 79,31 Prozent Genauigkeit - GPT-5.1 kommt auf 73,42 Prozent.
Beim CorpFin (v2)-Benchmark geht es um dichte, mehrseitige Kreditverträge: Konditionen, Risiken, Klauseln. Das ist kein Multiple-Choice-Test, sondern eine Simulation dessen, was Junior-Analysten in Kanzleien und Investmentbanken täglich tun. Grok 4.3 liegt mit 68,53 Prozent ebenfalls vorn.
Warum das relevant ist
Die meisten öffentlichen Benchmarks - MMLU, HumanEval, MATH - sind mittlerweile so bekannt, dass Modelle gezielt darauf optimiert werden können. Private Benchmarks wie Vals AI sind deshalb aussagekräftiger: Sie testen tatsächliche Leistung unter realistischen Bedingungen, nicht Benchmark-Hacking.
Dass ein Modell gleichzeitig bei juristischem Reasoning und bei der Analyse von Finanzverträgen führt, ist bemerkenswert. Beides erfordert die Kombination aus langem Kontextverständnis, logischer Schlussfolgerung und Fachwissen - genau die Fähigkeiten, die über reine Sprachkompetenz hinausgehen .
xAI öffnet die API
Parallel hat xAI den öffentlichen Start der Grok-API angekündigt. Damit können Entwickler erstmals direkt auf die Grok-Modellfamilie zugreifen - inklusive der Leistung, die Grok 4.3 in den Vals-AI-Tests zeigt.
🎯 Was das für die Praxis bedeutet
1. Recht und Finanzen als KI-Testfall: Wer KI in regulierten Branchen einsetzen will, sollte nicht nur auf allgemeine Benchmarks schauen, sondern auf domänenspezifische Tests wie Vals AI.
2. Grok als ernsthafter Konkurrent: xAIs Modell ist nicht mehr nur das Chatbot-Experiment hinter X - es schlägt GPT-5.1 in praxisnahen Aufgaben und wird jetzt per API zugänglich.
3. Private Benchmarks beachten: Die öffentlichen Ranglisten erzählen nur die halbe Geschichte. Wer KI-Modelle evaluiert, sollte proprietäre Tests einbeziehen, die nicht zum Training verwendet werden können.
Anzeige · Buch und Angebot von Markus Kirchmair
Noch ein Tool. Oder endlich weniger Arbeit?
Prüfen Sie mit No More Tools, welche Software und Abläufe Ihr Unternehmen tatsächlich braucht. Im Workshop entsteht ein priorisierter Fahrplan.
