Code Arena gibt zwei anonymen KI-Modellen denselben Bauauftrag, erzeugt lauffähige Web-Apps in parallelen Sandboxes und lässt Sie den Code prüfen, bevor Sie für das bessere Ergebnis stimmen.
Hast du dieses Tool genutzt? Bewerte es
Hast du dieses Tool genutzt? Bewerte es
Code Arena ist eine Bewertungsumgebung im Browser auf arena.ai: Zwei anonyme KI-Modelle erhalten denselben Bauauftrag, erzeugen jeweils in einer eigenen Sandbox eine lauffähige Webanwendung, und beurteilt wird das Ergebnis von der Person, die den Auftrag gestellt hat. Sie schreiben einen Prompt, warten bis Option A und Option B fertig sind, öffnen beide Vorschauen, lesen den jeweils erzeugten Code und geben eine Präferenzstimme ab — diese Stimme fließt in die öffentliche Code-Arena-Rangliste ein.
Es handelt sich nicht um einen Programmierassistenten mit einem einzigen Modell dahinter. Arena bezeichnet sich selbst als offene Plattform zum Bewerten, Vergleichen und Testen führender KI-Modelle, und Code Arena ist deren Zugang auf der Entwicklungsseite; genau diese Stimmen treiben die Ranglisten an. In derselben Oberfläche liegen zwei Generationen übereinander: Das ursprüngliche Code Arena vom November 2025 erzeugte lediglich Frontend-Prototypen in einer Live-Vorschau, während das am 2. Juli 2026 angekündigte Fullstack Code Arena dasselbe Duellformat auf Anwendungen mit Datenbank, Authentifizierung, Aufrufen fremder APIs und einem Deployment-Ziel ausgeweitet hat.
Ein Durchlauf folgt einer festen Abfolge. Eine Prüferin oder ein Entwickler reicht eine Aufgabe ein, etwa „Baue einen Markdown-Editor mit Dunkelmodus". Die Modelle interpretieren die Anfrage und entscheiden über strukturierte Werkzeugaufrufe, welche Schritte sie ausführen, und erzeugen dann direkt bereitstellbare Web-Apps und Websites; jede Modellaktion — Datei anlegen, bearbeiten oder ausführen — wird protokolliert und versioniert. Die entstandene Anwendung wird über ein sicheres Frontend gestreamt, das für die Quellcode-Ansicht CodeMirror 6 nutzt, daneben eine Live-Vorschau. Diese Protokollschicht trennt das Werkzeug vom gewöhnlichen Prompt-Spielplatz: Jede Generierung bringt eine vollständige Projektstruktur mit, sodass nachvollziehbar wird, wie die Modelle voneinander abhängige Dateien und rekursive Änderungen handhaben.
Der Battle Mode lässt Sie zwei anonyme Modelle in einem direkten Duell vergleichen, und die Modellnamen werden erst nach Ihrer Stimmabgabe offengelegt. Code Arena setzt zudem eine Schranke, die die meisten Vergleichswerkzeuge nicht kennen: Damit die Abstimmungsoptionen erscheinen, müssen Sie beide Generierungen in der Vorschau geöffnet haben. Die Stimmen werden über das Bewertungssystem Bradley-Terry aggregiert, das ursprünglich für Paarvergleichsexperimente entwickelt wurde; die Teilnahme ist nicht gedeckelt.
Fullstack Code Arena stattet die konkurrierenden Agenten mit einer Datenbankschicht aus, mit der sie Code für PostgreSQL, Benutzerauthentifizierung und Sicherheit auf Zeilenebene erzeugen können. Die Agenten können sich außerdem sicher mit Diensten und Anwendungen Dritter verbinden, etwa indem sie ein LLM aufrufen oder eine Zahlungs-API anbinden, mit einem Zugangsschlüssel, den Sie bereitstellen — etwa Ihrem eigenen OpenAI-Schlüssel. Jeder Build läuft auf einem Live-Entwicklungsserver innerhalb der Sandbox mit Hot Reloading, und die Agenten können beliebige Bash-Befehle ausführen sowie im Web nach aktuellen Informationen oder Dokumentation suchen. Fertige Anwendungen durchlaufen eine Pipeline, die sie direkt auf Vercel ausliefert.
Der Fullstack-Modus ist kein eigener Reiter. Sie lösen ihn aus, indem Sie den Prompt so formulieren, dass er auf eine Fullstack-Anwendung hindeutet, ausdrücklich oder implizit durch die Bitte um Datenbank, API, Authentifizierung oder Backend-Funktionen. Ist er aktiv, wird der Vorschaulink durch einen Schrägstrich ersetzt, dessen Aufklappmenü jede Seite der Anwendung auflistet.
Jede Generierung zeigt eine gerenderte Vorschau der Website, die erzeugten Codeblöcke, einen Freigabelink für kollegiale Tests oder Modellvergleiche sowie den fortgesetzten Dialog zum Iterieren; Fullstack-Builds ergänzen eine Datenbankansicht. Code-Sitzungen lassen sich über Besuche hinweg wiederherstellen und behalten ihren Zustand, was gemeinsames Nachprüfen ermöglicht.
Bewertet wird entlang dreier genannter Achsen: Funktionalität, tut die Anwendung, was sie soll; Bedienbarkeit, ist sie klar, reaktionsschnell und intuitiv; Wiedergabetreue, entspricht sie dem geforderten Design oder Verhalten. Auch verdichten sich die Ergebnisse nicht zu einer einzigen Zahl. Seit dem 26. Februar 2026 ist die WebDev-Rangliste in zwei Kategorien getrennt, die unterschiedliche Erzeugungsumgebungen abbilden: HTML bewertet eigenständige Erzeugung von HTML, CSS und JS im Rahmen eines einzelnen Dokuments, React bewertet mehrdateiige Anwendungserzeugung samt Komponentenstruktur, Routing, Zustandskoordination und dateiübergreifender Konsistenz. Eine gesonderte Fullstack-Rangliste ging am 28. Juli 2026 online.
Neue Modelle bleiben nicht ohne Wertung, während sich Stimmen sammeln. AutoEval setzt anstelle menschlicher Stimmen ein Belohnungsmodell ein und wendet danach exakt dieselbe Arena-Ranking-Methodik an, um die Endpunktzahl zu berechnen. Solche Einträge tragen sichtbar den Vermerk AutoEval und werden aktualisiert, sobald genügend menschliche Stimmen sie bestätigen. Solange der Vermerk steht, kann ein gelesener Rang eine Modellschätzung statt eines kollektiven Votums sein.
Arena hat über 250.000 Code-Arena-Prompts aus fünf Monaten ausgewertet und die daraus abgeleitete Aufgabensystematik im Mai 2026 veröffentlicht. Nutzerinnen und Nutzer lassen Modelle mehrdateiige React-Anwendungen bauen, Dashboards umsetzen, Verbraucherprodukte entwickeln, Browserspiele erstellen, dynamische Systeme simulieren und Bearbeitungswerkzeuge bauen. Referenzbasiertes Design liegt mit rund 29 % vorn, spezialisiertere Kategorien wie Simulationen kommen auf etwa 15,3 %. Die Fullstack-Beispiele des Anbieters selbst fallen enger aus: eine Anwendung mit Registrierungs- oder Anmeldeablauf, etwa ein Onlineshop nur für Mitglieder, und eine Anwendung, die den Fortschritt der Nutzenden für eine spätere Rückkehr speichert, etwa eine Lern-App.
Bringen Sie die Aufgabe mit, die Sie einem Modell tatsächlich übertragen wollen, statt eines Demo-Prompts, und prüfen Sie, ob die auf dieselbe Technologie und Domäne gefilterte Rangliste zum Beobachteten passt. Für Arbeit, die kein Build ist, eignen sich Battle, Direct und Side-by-Side besser für einzelne Interaktionen, während der Agent Mode unter arena.ai/agent Websuche, Bildgenerierung, Datei-Upload, Programmierunterstützung sowie eine Sandbox mit Bash in eine mehrstufige Aufgabe einbringt.
Arena benennt drei Zielgruppen für Fullstack Code Arena: Gründerinnen und kleine Unternehmen, Entwicklerinnen und Entwickler sowie KI-Modelllabore. Diese drei öffnen die Seite aus unterschiedlichen Gründen.
Code Arena läuft im Browser unter arena.ai/code, innerhalb derselben Oberfläche wie die übrigen Arena-Modi. Für eine Desktop- oder Mobilanwendung gibt es keine Belege; die Modalität ist ein Umschalter, keine eigene Website.
Zum Ausprobieren ist keine Anmeldung nötig, doch ein Konto verändert, was Sie bekommen. Sie registrieren sich mit einem Google-Konto oder einer E-Mail-Adresse, die einen Bestätigungslink erhält. Angemeldet stehen Funktionen offen, die eine Anmeldung voraussetzen, etwa Direct-Modus, Side-by-Side-Modus, Image Arena und Video Arena; die Ratenbegrenzungen liegen höher als ohne Anmeldung, und der Chatverlauf wird geräteübergreifend synchronisiert gespeichert. Erzeugte Anwendungen können mit einem von Ihnen bereitgestellten API-Schlüssel Dienste Dritter aufrufen, und ein fertiger Fullstack-Build wird auf Vercel ausgeliefert: Das Ergebnis verlässt damit die Sandbox von Arena und landet auf einer Infrastruktur, die Sie kontrollieren.
Die zuletzt am 23. Februar 2026 aktualisierten Nutzungsbedingungen von Arena besagen, dass das Unternehmen den Dienst derzeit kostenlos anbietet und sich zugleich das Recht vorbehält, für den Dienst oder einzelne Funktionen und Bestandteile Gebühren zu erheben. Der Start von Code Arena auf Product Hunt am 13. Februar 2026 klang gleich: einmal prompten und mehrere von KI gebaute Apps kostenlos vergleichen. Kostenlos heißt jedoch nicht unbegrenzt — mehrere getrennt dokumentierte Drosseln greifen.
| Beschränkung | Funktionsweise | Was sie aufhebt |
|---|---|---|
| Tägliches Nutzungsguthaben | Ein Tagesguthaben, frei über Arena hinweg einsetzbar, das die über Funktionen und Modelle verstreuten verborgenen Limits ersetzt | Automatischer Reset nach 24 Stunden |
| Ratenbegrenzung je Modell | Jedes Modell hat eigene zeitbezogene Nutzungsobergrenzen | Auf den Reset warten |
| Gesamte Chat-Ratenbegrenzung | Modellunabhängige Obergrenze für die Gesprächsfrequenz | Auf den Reset warten |
| Funktionszugang | Direct-Modus, Side by Side, Image Arena und Video Arena erfordern eine Anmeldung | Ein kostenloses Konto anlegen |
Der für die Planung entscheidende Satz ist eindeutig: Arena bietet keinen kostenpflichtigen Dienst an, der diese Ratenbegrenzungen aufheben würde, und wer eine erreicht, kann einzig auf deren Zurücksetzung warten. Arena nennt das Tageslimit zudem einen Teil einer laufenden Einführung, deren übriges Gerüst noch entsteht.
Model Kombat von HackerRank lässt Programmier-LLMs an echten Entwicklungsaufgaben direkt gegeneinander antreten, wobei Entwickelnde für die Umsetzung stimmen, die sie tatsächlich ausliefern würden, und veröffentlicht sprachspezifische Ranglisten dazu, welche Modelle in der jeweiligen Programmiersprache dominieren — die nähere Wahl, wenn Ihre Arbeit eher am Backend als an der Weboberfläche hängt. Eine Auflistung von Arena-Wettbewerbern verweist auf eine ganz andere Werkzeugfamilie: eine Spielwiese zum Nebeneinanderprüfen von LLMs, eine Umgebung, die mehrere Programmieragenten gleichzeitig laufen lässt, und Plattformen zum Bauen und Bewerten von Multi-Agenten-Systemen. Das sind Arbeitsbereiche unter Ihrer Kontrolle, während Code Arena ein öffentlicher Bewertungsort ist: Abgewogen werden Vertraulichkeit und Konfigurierbarkeit gegen einen kostenlosen, anonymen und direkt mit der Rangliste verbundenen Vergleich. Eine unabhängige Studie von 2026, die drei weit verbreitete Vibe-Coding-Werkzeuge verglich, kommt zu dem Schluss, dass die Wahl zwischen ihnen strukturelle Abwägungen jenseits der gefühlten Produktivität mit sich bringt.
Auf der Code-Arena-Seite steht der Hinweis, dass Eingaben von KI Dritter verarbeitet werden und Antworten unzutreffend sein können. Sie geht weiter und erklärt, dass Ihre Unterhaltungen und bestimmte weitere personenbezogene Daten den KI-Anbietern offengelegt werden und auch anderweitig öffentlich werden können, und rät davon ab, sensible Informationen einzugeben, die Sie nicht öffentlich geteilt sehen möchten. Unterhaltungen dienen zudem der automatisierten Auswertung: Prompts werden später an KI-Anbieter geschickt, um deren Modelle zu bewerten und zu vergleichen, und eine E-Mail-Adresse zum Widerspruch gegen diese Verwendung steht auf der Seite.
Die zuletzt am 16. Dezember 2025 aktualisierte Datenschutzerklärung steckt den Rahmen ab. Nutzerinhaltsdaten umfassen Eingaben, Prompts, Bilder, Stimmen und Bewertungen sowie sonstige von Ihnen hochgeladene oder erzeugte Inhalte, dazu zugehörige Metadaten und Interaktionsdaten, etwa ob Sie die Antwort eines Modells hervorgehoben oder kopiert haben. Arena darf diese Daten mit Anbietern von KI-Technologie teilen und ihnen anderweitig offenlegen, damit diese ihre eigenen Produkte und Dienste bewerten, verbessern und weiterentwickeln, und darf über den Dienst erhobene oder abgeleitete Daten einschließlich Ein- und Ausgaben veröffentlichen oder anderweitig öffentlich machen.
Die Bedingungen bestätigen, dass Ihnen sämtliche Rechte, Titel und Anteile an Ihren Inhalten zustehen, halten aber zugleich fest, dass das Unternehmen weder zusichert noch gewährleistet, dass die Ausgaben durch irgendein Schutzrecht des geistigen Eigentums geschützt sind. Im Gegenzug räumen Sie Arena ein unbefristetes, unwiderrufliches, weltweites, gebührenfreies und unterlizenzierbares Recht ein, Ihre Inhalte für alle rechtmäßigen Zwecke zu nutzen, zu kopieren, zu vervielfältigen, zu ändern und zu bearbeiten. Der Zugang ist auf persönliche oder interne geschäftliche Nutzung beschränkt, Nutzende müssen 18 Jahre alt oder im vertragsfähigen Alter sein, und der Dienst wird wie besehen und nach Verfügbarkeit mit sämtlichen Fehlern bereitgestellt.
Eine unabhängige Benchmark-Stelle, die diese Daten weiterveröffentlicht, weist darauf hin, dass Anwendungen mit Fehlern den Abstimmenden dennoch gezeigt werden und Arena aus einigen Statistiken ableitet, dass Modelle mitunter fehlerhafte Ausgaben produzieren: Eine Präferenzstimme ist keine Korrektheitsprüfung. Eine unabhängige Untersuchung von 2025 zur allgemeinen Methodik von Arena stellte fest, dass bereits 10 % minderwertiger Stimmen von gleichgültigen oder böswilligen Annotierenden ein Modell um bis zu fünf Plätze verschieben können; eine weitere Studie von 2025 mit rund 2 Millionen Duellen und 243 Modellen argumentiert, dass selektive Offenlegung durch Anbieter die Arena-Werte verzerrt. Beide betrachten die Methodik menschlicher Präferenz allgemein und nicht Code Arena im Besonderen, und Arena wies den Kernvorwurf zurück: Wenn ein Modellanbieter mehr Tests einreicht als ein anderer, bedeutet das nicht, dass der zweite unfair behandelt wird. Am 8. September 2026 wies die WebDev-Gesamtrangliste 663.027 Stimmen zu 127 Modellen aus.
Die Nutzungsbedingungen besagen, dass Arena den Dienst derzeit kostenlos anbietet und sich spätere Gebühren vorbehält. Prompten können Sie ohne Anmeldung, doch ein Konto hebt Ihre Ratenbegrenzungen an und speichert den Chatverlauf geräteübergreifend.
Nein. Arena erklärt, keinen kostenpflichtigen Dienst anzubieten, der diese Ratenbegrenzungen aufhebt, und nennt das Abwarten der Zurücksetzung als einzige verbleibende Handlung. Ein separates Tagesguthaben wird nach 24 Stunden automatisch zurückgesetzt.
Weil Sie nicht beide Builds geöffnet haben — die Abstimmungsoptionen erscheinen erst, wenn Sie beide Generierungen in der Vorschau betrachtet haben.
Fullstack-Builds werden über die Auslieferungspipeline direkt auf Vercel bereitgestellt, und jeder Build lässt sich über einen eindeutigen Link teilen. Rechtlich gehören die Inhalte Ihnen, doch Arena gewährleistet nicht, dass die Ausgaben durch Schutzrechte des geistigen Eigentums geschützt sind.
Behandeln Sie es als öffentlich. Die Seite warnt, dass Unterhaltungen und bestimmte weitere personenbezogene Daten den KI-Anbietern offengelegt werden und auch anderweitig öffentlich werden können, und die Datenschutzerklärung hält fest, dass Arena über den Dienst abgeleitete Daten veröffentlichen darf.
Für sich genommen nicht. Die Punktzahl aggregiert menschliche Präferenzstimmen über das Bradley-Terry-System, fehlerhafte Anwendungen werden den Abstimmenden dennoch gezeigt, und einzelne Einträge sind als AutoEval gekennzeichnete Schätzungen statt gesammelter menschlicher Stimmen.
