O Code Arena entrega o mesmo pedido de construção a dois modelos de IA anônimos, gera aplicações web funcionais em ambientes isolados paralelos e deixa você inspecionar o código antes de votar na melhor.
Já usou esta ferramenta? Avalie-a
Já usou esta ferramenta? Avalie-a
Code Arena é um ambiente de avaliação que roda no navegador, em arena.ai: dois modelos de IA anônimos recebem o mesmo pedido de construção, cada um gera em seu próprio ambiente isolado uma aplicação web que de fato funciona, e quem fez o pedido decide qual é melhor. Você escreve um prompt, espera a Opção A e a Opção B terminarem, abre ambas as prévias, lê o código produzido por cada uma e dá um voto de preferência — esse voto alimenta o ranking público do Code Arena.
Não é um assistente de programação com um único modelo por trás. A Arena se descreve como uma plataforma aberta para avaliar, comparar e testar modelos de IA de fronteira, e o Code Arena é sua porta de entrada do lado do desenvolvimento; são esses votos que movem os rankings. Na mesma interface convivem duas gerações: o Code Arena original, de novembro de 2025, produzia apenas protótipos de front-end numa prévia ao vivo, enquanto o Fullstack Code Arena, anunciado em 2 de julho de 2026, estendeu o mesmo formato de duelo a aplicações com banco de dados, autenticação, chamadas a APIs de terceiros e um destino de implantação.
Uma execução segue uma sequência fixa. Um avaliador ou desenvolvedor envia uma tarefa, por exemplo «Construa um editor markdown com modo escuro». Os modelos interpretam o pedido e decidem por chamadas estruturadas de ferramentas quais ações executar, e então produzem aplicações e sites diretamente implantáveis; cada ação do modelo — criar um arquivo, editá-lo ou executá-lo — é registrada e versionada. A aplicação resultante é transmitida por uma interface segura que usa o CodeMirror 6 para a visão do código-fonte, com prévia ao vivo ao lado. Essa camada de registro é o que separa a ferramenta de um simples campo de testes de prompts: cada geração vem com uma estrutura de projeto completa, de modo que se vê como os modelos lidam com arquivos interdependentes e alterações recursivas.
O modo Battle permite comparar dois modelos anônimos num duelo direto, e os nomes são revelados logo depois do seu voto. O Code Arena acrescenta uma trava que a maioria das ferramentas de comparação não impõe: para que as opções de voto apareçam, você precisa ter visualizado ambas as gerações. Os votos são agregados pelo sistema de pontuação Bradley-Terry, concebido originalmente para experimentos de comparação aos pares, e a participação não tem teto.
O Fullstack Code Arena dá aos agentes em disputa uma camada de banco de dados que lhes permite gerar código para PostgreSQL, autenticação de usuários e segurança em nível de linha. Os agentes também podem se conectar com segurança a serviços e aplicações de terceiros — chamando um LLM ou ligando-se a uma API de pagamentos — usando uma credencial que você fornece, como sua própria chave da OpenAI. Cada build roda num servidor de desenvolvimento ao vivo dentro do ambiente isolado, com recarga a quente, e os agentes podem executar qualquer comando bash além de buscar na web informações ou documentação em tempo real. As aplicações prontas passam por um pipeline que as implanta diretamente na Vercel.
O modo full-stack não é uma aba separada. Você o aciona formulando o prompt de modo a indicar uma aplicação full-stack, de forma explícita ou implícita ao pedir banco de dados, API, autenticação ou funcionalidade de servidor. Uma vez ativo, o link de prévia é substituído por uma barra cujo menu suspenso lista cada página da aplicação.
Cada geração expõe uma prévia renderizada do site, os blocos de código produzidos, um link de compartilhamento para testes entre colegas ou comparação de modelos, e a continuação do diálogo para iterar; builds full-stack acrescentam uma visão do banco de dados. As sessões de código são restauráveis e persistem entre visitas preservando o estado, o que viabiliza revisão colaborativa.
A pontuação se apoia em três eixos declarados: funcionalidade, ou seja, a aplicação faz o que deveria; usabilidade, se é clara, responsiva e intuitiva; e fidelidade, se corresponde ao design ou comportamento solicitado. Os resultados também não se reduzem a um único número. Desde 26 de fevereiro de 2026 o ranking WebDev está dividido em duas categorias que refletem ambientes de geração distintos: HTML classifica a geração autônoma de HTML, CSS e JS no escopo de um único documento, enquanto React classifica a geração de aplicações multiarquivo, incluindo estrutura de componentes, roteamento, coordenação de estado e consistência entre arquivos. Um ranking full-stack separado entrou no ar em 28 de julho de 2026.
Modelos novos não ficam sem pontuação enquanto os votos se acumulam. O AutoEval coloca um modelo de recompensa no lugar do voto humano e depois aplica exatamente a mesma metodologia de ranqueamento da Arena para calcular a pontuação final. Essas entradas trazem uma marca AutoEval bem visível e são atualizadas assim que houver votos humanos suficientes para validá-las. Enquanto a marca permanecer, a posição que você lê pode ser uma estimativa de modelo e não fruto de votação coletiva.
A Arena analisou mais de 250 mil prompts do Code Arena reunidos ao longo de cinco meses e publicou em maio de 2026 a taxonomia de tarefas resultante. Os usuários pedem que os modelos construam aplicações React multiarquivo, implementem painéis, desenvolvam produtos de consumo, criem jogos de navegador, simulem sistemas dinâmicos e construam ferramentas de edição. O design baseado em referência lidera com cerca de 29 %, enquanto categorias mais especializadas como simulações ficam em torno de 15,3 %. Os exemplos full-stack do próprio fornecedor são mais estreitos: uma aplicação com fluxo de cadastro ou login, do tipo loja online só para membros, e uma aplicação que guarda o progresso do usuário para que ele volte depois, do tipo educacional.
Traga a tarefa que você realmente vai confiar a um modelo em vez de um prompt de demonstração, e verifique depois se o ranking, filtrado pela mesma tecnologia e domínio, combina com o que você acabou de observar. Para trabalho que não seja uma construção, os modos Battle, Direct e Side-by-Side se ajustam melhor a interações isoladas, enquanto o Agent Mode, em arena.ai/agent, leva busca na web, geração de imagens, envio de arquivos, apoio de código e um ambiente isolado com bash para dentro de uma tarefa de várias etapas.
A Arena aponta três públicos para o Fullstack Code Arena: empreendedores e pequenas empresas, desenvolvedores, e laboratórios de modelos de IA. Esses perfis não abrem a página pelos mesmos motivos.
O Code Arena funciona no navegador, em arena.ai/code, dentro da mesma interface dos demais modos da Arena. Não há evidência de aplicativo para desktop ou celular, e a modalidade é um botão de alternância, não um site à parte.
Não é preciso se cadastrar para experimentar, mas uma conta muda o que você recebe. O cadastro é feito com uma conta Google ou com um e-mail que recebe um link de verificação. Com sessão iniciada abrem-se as funções que exigem login — modo Direct, modo Side by Side, Image Arena e Video Arena —, os limites de frequência ficam mais altos do que sem login, e o histórico de conversa é salvo e sincronizado entre dispositivos. As aplicações geradas podem chamar serviços de terceiros com uma chave de API que você fornece, e um build full-stack concluído é implantado na Vercel: o resultado deixa o ambiente isolado da Arena e passa para uma infraestrutura que você controla.
Os termos de uso da Arena, atualizados pela última vez em 23 de fevereiro de 2026, afirmam que a empresa oferece atualmente o serviço gratuitamente, reservando-se o direito de cobrar pelo serviço ou por quaisquer de suas funções ou componentes. O lançamento do Code Arena no Product Hunt, em 13 de fevereiro de 2026, seguiu a mesma linha: um prompt só e comparação gratuita de várias aplicações construídas por IA. Gratuito, porém, não significa sem medição — aplicam-se vários freios documentados separadamente.
| Restrição | Como funciona | O que a libera |
|---|---|---|
| Saldo diário de uso | Um crédito diário utilizável a seu critério dentro da Arena, que substitui os limites ocultos antes espalhados por funções e modelos | Reinício automático após 24 horas |
| Limites de frequência por modelo | Cada modelo tem seus próprios tetos de uso ao longo do tempo | Esperar o reinício |
| Limite geral de frequência de chat | Um teto de frequência de conversa, independente do modelo | Esperar o reinício |
| Acesso a funções | Modo Direct, Side by Side, Image Arena e Video Arena exigem login | Criar uma conta gratuita |
A frase que importa na hora de planejar é explícita: a Arena não oferece nenhum serviço pago que remova esses limites de frequência, e se você atingir um, a única ação disponível é esperar o reinício. A Arena também descreve o limite diário como parte de uma implantação em curso, cujo restante ainda está sendo construído.
O Model Kombat da HackerRank coloca LLMs de programação frente a frente em tarefas reais de desenvolvimento, com desenvolvedores votando na implementação que de fato colocariam em produção, e publica rankings por linguagem que acompanham quais modelos dominam em cada linguagem — mais próximo se o seu trabalho pende para o backend em vez da interface web. Uma listagem de concorrentes da Arena aponta para outra família de ferramentas: um campo de testes para conferir LLMs lado a lado, um ambiente que roda vários agentes de programação ao mesmo tempo, e plataformas para construir e avaliar sistemas multiagente. Esses são espaços sob o seu controle, ao passo que o Code Arena é um local de avaliação público: a troca se dá entre privacidade e configurabilidade, de um lado, e uma comparação gratuita, anônima e ligada ao ranking, de outro. Um estudo independente de 2026 que comparou três ferramentas de vibe coding amplamente adotadas conclui que escolher entre elas envolve compromissos estruturais que vão além da produtividade percebida.
A página do Code Arena traz um aviso: as entradas são processadas por IA de terceiros e as respostas podem ser imprecisas. Ela vai além ao informar que suas conversas e certos dados pessoais serão divulgados aos provedores de IA envolvidos e podem se tornar públicos por outras vias, e desaconselha enviar informações sensíveis que você não queira ver compartilhadas publicamente. As conversas também servem para avaliação automatizada: os prompts são enviados depois aos provedores de IA para pontuar e comparar seus modelos, e na página consta um e-mail para recusar esse uso.
A política de privacidade, atualizada pela última vez em 16 de dezembro de 2025, delimita o alcance. Os dados de conteúdo do usuário abrangem entradas, prompts, imagens, votos e avaliações e qualquer outro conteúdo que você envie ou gere, junto com metadados associados e dados de interação, por exemplo se você destacou ou copiou a resposta de um modelo. A Arena pode compartilhar esses dados e divulgá-los de outro modo a fornecedores de tecnologia de IA para que avaliem, melhorem e desenvolvam seus produtos e serviços, e pode publicar ou tornar públicos os dados coletados ou derivados do serviço, incluindo entradas e saídas.
Os termos confirmam que você detém todos os direitos, títulos e interesses sobre o seu conteúdo, mas registram que a empresa não declara nem garante que as saídas estejam protegidas por qualquer direito de propriedade intelectual. Em contrapartida, você concede à Arena um direito perpétuo, irrevogável, mundial, isento de royalties e sublicenciável de usar, copiar, reproduzir, modificar e adaptar o seu conteúdo para todos os fins lícitos. O acesso fica limitado ao uso pessoal ou comercial interno, o usuário precisa ter ao menos 18 anos ou a idade legal para celebrar contrato vinculante, e o serviço é prestado no estado em que se encontra e conforme a disponibilidade, com todas as falhas.
Um órgão independente de acompanhamento de benchmarks que republica esses dados observa que aplicações com erros são mostradas assim mesmo a quem vota e que a Arena deduz de algumas estatísticas que os modelos às vezes produzem saídas equivocadas: um voto de preferência não é uma verificação de correção. Uma pesquisa independente de 2025 sobre a metodologia geral da Arena constatou que bastam 10 % de votos de baixa qualidade, vindos de anotadores desinteressados ou mal-intencionados, para deslocar um modelo em até cinco posições; outro estudo de 2025 sobre cerca de 2 milhões de duelos e 243 modelos sustenta que a divulgação seletiva por parte dos fornecedores enviesa as pontuações. Ambos examinam o método de preferência humana em geral, não o Code Arena em particular, e a Arena rejeitou a acusação central: se um fornecedor decide enviar mais testes do que outro, isso não significa que o segundo tenha recebido tratamento injusto. Em 8 de setembro de 2026 o ranking geral do WebDev exibia 663.027 votos sobre 127 modelos.
Os termos de uso afirmam que a Arena oferece atualmente o serviço gratuitamente, reservando-se o direito de cobrar mais adiante. Dá para enviar prompts sem fazer login, mas uma conta eleva seus limites de frequência e guarda o histórico entre dispositivos.
Não. A Arena declara que não oferece nenhum serviço pago que remova esses limites, e que a única ação disponível ao atingir um é esperar o reinício. Um saldo diário à parte é reiniciado automaticamente após 24 horas.
Porque você não abriu os dois builds — as opções de voto só aparecem depois de visualizar ambas as gerações.
Builds full-stack são implantados diretamente na Vercel pelo pipeline de publicação, e qualquer build pode ser compartilhado por um link único. Juridicamente o conteúdo é seu, mas a Arena não garante que as saídas estejam protegidas por direitos de propriedade intelectual.
Considere que não. A página avisa que conversas e certos dados pessoais serão divulgados aos provedores de IA envolvidos e podem se tornar públicos por outras vias, e a política de privacidade registra que a Arena pode publicar dados derivados do serviço.
Sozinha, não. A pontuação agrega votos humanos de preferência pelo sistema Bradley-Terry, aplicações com erros são mostradas assim mesmo a quem vota, e algumas entradas são estimativas marcadas como AutoEval em vez de votos humanos acumulados.
