Hype-Check: Ich ordne einen KI-Trend für den Büroalltag ein. Zahlen stammen aus dem Repo, aus einer Messung in Issue #1 und aus der Doku von Anthropic. Hochrechnungen sind als geschätzt markiert.
Der Trend in einem Satz.
Die Idee klingt stark und verbreitet sich schnell. Was in den Posts meist fehlt: Arena ist kein Feature von Anthropic. Der Skill stammt von einem einzelnen Entwickler und steht unter MIT-Lizenz auf GitHub. Niemand bei Anthropic hat ihn geprüft.
Mein Blick aufs Büro: Wenn Kolleginnen und Kollegen Claude mit einem Pro- oder Max-Plan nutzen, teilen sich Chat und Claude Code dasselbe Kontingent. Ein einziger Skill-Lauf kann den Arbeitstag beenden, bevor eine Antwort da ist.
Was dahinter steckt.
100 Agenten werden 50, dann 25, 13, 7, 4, 2 und 1. Claude Code führt standardmäßig höchstens 10 Werkzeug-Aufrufe gleichzeitig aus. Darum läuft das Turnier in Wellen. Wähle eine Größe:
// Was ein Lauf kostet
19 Aufrufe
Die kleinste Größe. Laut Messung in Issue #1 sind es 19 Aufrufe. Gut, um den Skill kennenzulernen.
43 Aufrufe · 10 Wellen
Gemessen von einem Tester: rund 2,83 Mio. Tokens. Ein einzelner Agent brauchte für dieselbe Aufgabe rund 49.000.
91 Aufrufe · 16 Wellen
Hochgerechnet rund 6 Mio. Tokens für dieselbe Aufgabe. Geschätzt, nicht gemessen.
595 Aufrufe · 70 Wellen
Linear hochgerechnet rund 39 Mio. Tokens, also etwa das 800-Fache eines einzelnen Agenten. Geschätzt für genau diese Aufgabe. Eine längere kostet mehr.
Das Ergebnis des Testers ist ernüchternd: Der einzelne Agent und der Arena-Sieger bestanden beide alle 66 von 66 Tests. Einen Vorteil fand er bei einem bösartigen Sonderfall, den der Arena-Sieger sauber abfing. Und 6 von 8 Lösungen landeten beim selben Ansatz.
Hype oder hilfreich?
// Hype oder hilfreich?
Tippe auf einen Prüfpunkt.
Hype
Für Aufgaben, die ein einzelner Agent schon gut löst, kostete die Arena laut Tester etwa das 58-Fache für dasselbe Ergebnis.
Hype-Gefahr
Ohne Zusatz startet /arena mit 100 Agenten. Laut Anleitung nennt Claude kurz die Größe und legt los, ohne zu fragen. Der Skill kann sich außerdem selbst vorschlagen, etwa bei „versuch es nochmal“.
Hype-Gefahr
Pro und Max haben ein Fünf-Stunden- und ein Wochenlimit, gemeinsam für Browser, App und Claude Code. Jeder Sub-Agent zieht davon ab. Ein Nutzer berichtet in Issue #1: 16 Minuten Laufzeit, alle Tokens weg, keine Antwort.
Hilfreich als Prinzip
Mehrere Lösungen gegeneinander zu prüfen, ist kein schlechter Gedanke. Es geht nur mit viel weniger Aufrufen, zum Beispiel mit drei Blickwinkeln in einem Chat.
So prüfst du jeden Skill in fünf Minuten.
- Wer steht dahinter? Offizieller Anbieter oder Einzelperson? 1.000 Sterne zeigen Beliebtheit, nicht die Kosten pro Prompt.
- Kosten-Abschnitt lesen Gute Skills sagen selbst, wie viele Aufrufe sie machen.
- Sub-Agenten zählen In der SKILL.md nach „Agent“, „parallel“ oder „wave“ suchen. Jeder Sub-Agent zieht vom Limit ab.
- Standard und Rückfrage prüfen Startet er mit dem Maximum? Fragt er vor dem Start?
- Issues lesen, klein testen Beschwerden über Kosten stehen dort zuerst. Dann eine Mini-Aufgabe laufen lassen und in Claude Code mit
/usagenachsehen, was sie gekostet hat.
Installiere nichts. Lies dieses GitHub-Repo: [Repo-Link]. Öffne README und SKILL.md und sag mir:
1. Wie viele Sub-Agenten oder Modell-Aufrufe startet der Skill pro Lauf im Standard?
2. Welche Optionen machen ihn kleiner?
3. Fragt er vor dem Start, oder legt er sofort los?
4. Bei welchen Sätzen startet er sich selbst?
5. Was steht in den offenen Issues zu Kosten oder Limits?
Antworte mit einer kurzen Tabelle und einer klaren Empfehlung für einen Pro-Plan.Worauf du im Team achten solltest.
| Wo | Was du siehst |
|---|---|
/usage in Claude Code | Balken für dein Plan-Limit und eine Aufschlüsselung nach Skills, Sub-Agenten, Plugins und MCP-Servern |
/status in Claude Code | Dein verbleibendes Kontingent |
| claude.ai → Einstellungen → Nutzung | Dein Limit, Nutzungs-Guthaben und ein monatliches Ausgabelimit |
Wenn Nutzungs-Guthaben aktiviert ist, setz dort ein monatliches Ausgabelimit, bevor jemand einen Multi-Agenten-Skill testet. Ohne gesetztes Limit zeigt /usage dort „Unlimited“.
Für Teams lohnt eine einfache Regel: Neue Skills aus fremden Repos erst nach dem Fünf-Minuten-Check. Wie ihr Claude im Büro grundsätzlich einordnet, steht unter Claude.
Kurz nachgedacht.
// Kurz prüfen
Was zeigte die Messung in Issue #1?
Wähle eine Antwort.
Nicht ganz. Beide bestanden alle 66 Tests. Der Unterschied lag bei den Kosten.
Richtig. Gleiches Ergebnis, aber die Arena kostete laut Tester etwa das 58-Fache.
Nicht ganz. Beide bestanden alle 66 Tests. Der Unterschied lag bei den Kosten.
// Kurz prüfen
Wie testest du Arena, ohne dein Limit zu sprengen?
Wähle eine Antwort.
Nicht ganz. Nie mit dem Standard. Klein starten und danach messen.
Richtig. Mit /arena --agents 4 sind es laut Messung 19 Aufrufe. Danach siehst du in /usage, was es gekostet hat.
Nicht ganz. Nie mit dem Standard. Klein starten und danach messen.
Zum Nachlesen.
Stand 01.11.2026. Pull Request #2 schlägt vor, vor großen Läufen eine Token-Schätzung zu zeigen. Am 27.10.2026 war er noch nicht übernommen.
- Jakeschincariol/arena-skill (README mit Kosten-Tabelle) · MIT-Lizenz
- Issue #1: Messung und Nutzerbericht · 2,83 Mio. Tokens, 66/66 Tests
- Pull Request #2: Token-Schätzung vor dem Start
- Claude Code: Kosten verwalten · /usage, Sub-Agenten
- Claude Code mit Pro oder Max (Hilfe-Center) · Fünf-Stunden- und Wochenlimit