Qué hace
La usas cuando Claude te ha dado una respuesta floja y no quieres pedírsela otra vez.
/arena lanza 100 subagentes con la misma tarea, palabra por palabra. Cada uno recibe una carta de estrategia distinta: una forma de razonar, un flujo de trabajo y una estrategia. Luego se enfrentan por parejas hasta que queda uno: 100, 50, 25, 13, 7, 4, 2, 1.
Cada ronda tiene tres pasos:
- Ataque. Cada lado busca fallos en la solución del otro.
- Defensa. Cada lado responde y reescribe su solución para arreglar lo que admite.
- Juicio. Un subagente aparte puntúa las dos soluciones con una rúbrica escrita: corrección 30, cumplir la tarea 25, resistencia a los ataques 20, concreción 15 y claridad 10.
Al final recibes la solución ganadora, los ataques que aguantó, su carta y el número de rondas.
No toca tus archivos. Los subagentes escriben dentro de .arena/. La respuesta ganadora vuelve a ti y decides si la aplicas.
Instálala
Necesitas Claude Code y Python 3.8 o superior. No hay que instalar nada con pip, ni crear cuentas, ni poner claves.
La más fácil: pega esto en Claude Code.
https://github.com/Jakeschincariol/arena-skill Install this skill, then confirm /arena works.
Como plugin: pega estos dos comandos dentro de Claude Code, uno detrás de otro.
/plugin marketplace add Jakeschincariol/arena-skill
/plugin install arena-skill@arena-skill
Instalada como plugin, se llama /arena-skill:arena. Si la instalas copiando la carpeta, se llama /arena.
Copiando la carpeta (Mac, o Git Bash en Windows):
git clone https://github.com/Jakeschincariol/arena-skill.git cp -r arena-skill/skills/arena ~/.claude/skills/
La skill llama a su script con python3. Si en tu Windows ese comando no responde, díselo a Claude antes de empezar.
Úsala
Para casi todo, usa --quick: son 16 competidores en vez de 100.
/arena --quick write the headline for our pricing page
Sin nada más, /arena coge tu última petición como tarea y la respuesta que no te gustó como la que hay que batir.
/arena
| Opción | Qué hace |
|---|---|
--quick | 16 competidores. El ajuste para el día a día. |
--agents N | N competidores. Por defecto, 100. |
--seed S | Misma semilla, mismas cartas y mismo cuadro. Las respuestas pueden cambiar. |
--wave W | Subagentes por tanda. Por defecto, 10. Súbelo solo si has subido el límite de Claude Code. |
Si le dices algo como «esta respuesta es mala, haz que compitan», Claude puede lanzarla sin el comando. En ese caso te pregunta antes de gastar nada.
Activa el modo de aceptar ediciones con Shift+Tab. Cada subagente escribe un archivo en .arena/, y en el modo normal te pediría permiso una vez por archivo.
Lo que gasta
La skill es gratis. Las llamadas salen de tu plan, y la versión de 100 agentes gasta mucho.
| Agentes | Rondas | Llamadas a subagentes | Tandas de 10 |
|---|---|---|---|
| 100 (por defecto) | 7 | 595 | 70 |
| 64 | 6 | 379 | 49 |
| 32 | 5 | 187 | 28 |
16 (--quick) | 4 | 91 | 16 |
| 8 | 3 | 43 | 10 |
Suma una llamada más si hay una respuesta rechazada que batir. Cada llamada lee la tarea y una o dos soluciones, así que cuanto más larga es la tarea, más gasta.
La skill te enseña estas cifras antes de empezar. Los 100 agentes no van a la vez: Claude Code ejecuta 10 herramientas a la vez por defecto, así que el torneo va por tandas y tarda.
Lo que no hace
- No son 100 modelos distintos. Son 100 subagentes del modelo que estés usando. Lo que cambia es la carta.
- No demuestra que la respuesta sea correcta. Los jueces también son Claude. Ganar significa haber sobrevivido al torneo.
- No arregla una tarea mal explicada. Los subagentes no ven tu chat, solo un archivo con la tarea en
.arena/<run>/task.md. Si falta un requisito ahí, los 100 lo pasan por alto. - Puede perder. Si partías de una respuesta rechazada, un último juez la compara a ciegas con la ganadora y te dice la puntuación, aunque gane la antigua.