Claude Opus 5.5 hat ein RTS gebaut, das man über Sound spielt: Ein Blick in Battle Drones’ Audiomodem

Zwei Telefone auf einem Tisch, kein Wi-Fi, kein Bluetooth, nirgends ein Server. Eines hostet ein Echtzeit-Strategie-Match, das andere tritt bei, und das Einzige, was zwischen ihnen übertragen wird, ist Rauschen – ein Träger um 10 kHz in die eine Richtung und 17 kHz in die andere, der Spielerbefehle mit etwa 1.880 Bit pro Sekunde überträgt. Das ist die neueste Funktion in Claude Opus 5.5s bisher ambitioniertestem öffentlichen Artefakt: Battle Drones, ein Browser-RTS im Stil von Command & Conquer, das Simon Willison am 20. Oktober 2026 veröffentlichte, nach zwölf großen Iterationen und 321 Commits, überwiegend von Coding-Agenten. Anthropic lieferte Claude Opus 5.5 am 22. September 2026 zu 4 US-Dollar pro Million Eingabe-Tokens und 20 US-Dollar pro Million Ausgabe-Tokens aus, das Modell selbst ist also einen Monat alt; neu in dieser Woche ist das, wofür es verwendet wurde, und die offene Spezifikation, die dazugehört. Öffentliche Artefakte wie dieses lassen meist aus, wie das Modell darunter scheitert, und die dokumentierten Vorfälle sind in dem OrcaRouter AI Incident Archive katalogisiert, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seine Vertrauensstufe und sein Kennzeichen für strittige Fälle trägt.

Beide Hälften dieser Behauptung sind überprüfbar. Das Spiel läuft unter simonw.github.io/battledrones/, der Quellcode ist auf GitHub unter Apache-2.0 verfügbar, und die akustische Verbindung ist keine Blackbox – das Repository enthält SOUND-DUEL.md, eine vollständige Modem-Spezifikation mit Frequenzplänen, Codierraten, Paketformaten und gemessenen Signal-Rausch-Werten. Was folgt, ist das, was dieses Dokument und der Beitrag tatsächlich sagen, getrennt von dem, was sie nicht sagen.

Was wurde am 20. Oktober ausgeliefert?

Battle Drones ist kein Demo-Showreel. Wie in der Beschreibung dargelegt, gibt es neun Gebäude, sieben Bodenfahrzeuge, sechs Luftfahrzeuge und drei Infanterietypen, alle als 3D-Modelle umgesetzt, die in TypeScript generiert und nicht aus einem Asset-Pack geladen werden. Es gibt Fog of War, mit getrennten Anforderungen für Flugabwehr- und Bodenwaffen. Sechs Karten umfassen fünf Biome, dazu ein seedbasierter Zufallskartengenerator, der ein 108×108 punktsymmetrisches Schlachtfeld erzeugt – laut Beitrag in einem 45-minütigen Sprint gebaut, nachdem der Autor bemerkt hatte, dass ihm noch 25 % eines wöchentlichen Claude-Kontingents und 45 Minuten bis zu dessen Zurücksetzung blieben.

Zu den Modi gehören Scharmützel, Überlebenswellen im Last-Stand-Modus, das Zuschauen bei KI-gegen-KI, eine Kampagne mit acht Missionen und etwas wirklich Ungewöhnliches: ein Agent-gegen-Agent-Modus, in dem zwei Sprachmodelle über ein Tool gegeneinander spielen, das ausschließlich den fog-of-war-sichtbaren, nicht visuellen Spielzustand offenlegt. Aufgezeichnete Replays dieser Partien sind im Repository enthalten, zusammen mit einem Debug-Viewer, der die zugrunde liegenden Modellantworten anzeigt.

Die Zahlen im README des Repositories selbst weichen leicht von der Funktionsliste des Beitrags ab – das README nennt sechzehn Einheiten und zehn Gebäude, während der Beitrag neun Gebäude und sechzehn Einheiten zu Lande, in der Luft und bei der Infanterie aufzählt. Sechzehn stimmt; die Gebäudezahl nicht. Klein, aber es ist die Art von Abweichung, die entsteht, wenn ein Agent das README schreibt und niemand es prüft, und der Autor sagt unumwunden, er habe „so gut wie keinen Code geprüft“.

Die Klangverbindung, in Zahlen

Das ist der Teil, für den es sich lohnt, die Spezifikation zu lesen, denn „Mehrspieler über Audio“ klingt nach einem Kunststück, bis man das technische Budget sieht, in das es passen musste. Zwei Geräte teilen sich einen Raum und einen akustischen Kanal, daher ist das Design Frequenzduplex: Beide Telefone senden kontinuierlich, der Host in 9,525–12,5 kHz und der Gast in 15,975–18,95 kHz, wobei die Bänder so platziert sind, dass die zweite Harmonische des Hosts oberhalb von 19,05 kHz beginnt und Intermodulation dritter Ordnung aus jedem Band das jeweils andere nicht berührt.

• Modulation – OFDM mit 25 Hz Tonabstand, 40 ms Nutzsymbol plus 10 ms zyklischem Präfix, also 50 ms pro Symbol und 20 Symbole pro Sekunde

• Nutzlast — 188 Bit pro Paket im High-Band-Plan, 186 im Low-Fallback-Plan, in beiden Modi identisch, sodass ein Moduswechsel nie daran ändert, was hineinpasst

Durchsatz — 1.880 bit/s im High-Fast-Modus, 940 bit/s im High-Robust-Modus, 930 und 465 im Low-Plan; Pakete benötigen jeweils 100, 200, 200 bzw. 400 ms

• Fehlerkontrolle — Faltungscode mit K=7, Rate ½, Polynome 133/171, Soft-Viterbi-Decodierung, Interleaving über Symbole und Töne hinweg, CRC-16 mit Polynom 0x1021 und eine harte Zurückweisung, wenn mehr als 10 % der neu codierten Bits abweichen

Rahmenbildung — ein Synchronisationssymbol plus 40 Datensymbole pro Superframe, 41 Symbole oder 2,05 Sekunden, wobei je nach Plan und Modus 20, 10, 10 oder 5 Pakete übertragen werden

• Gemessene Verbindung — 40–70 dB Leistungs-SNR in jedem 1-kHz-Band von 1 bis 21 kHz bei 10–30 cm, bei Berücksichtigung von Echos sinkend auf effektive 17–31 dB bei 10 cm und 9–19 dB bei 30 cm, wobei Reflexionen 8–15 ms nach dem direkten Pfad eintreffen

Der ehrliche Teil der Spezifikation ist das, was sie nicht zu versprechen bereit ist. Es gibt kein ARQ: Ein verlorenes Paket wird nicht erneut übertragen, das nächste beschreibt einfach jeden unbestätigten Zug erneut, und wenn der Rückstand ein Paket übersteigt, wird er auf bis zu vier rotierende Segmente aufgeteilt. Große Rückstände werden daher zu Lockstep-Stockungen statt zu Korruption. Züge werden jeweils einmal per High-Water-Mark akzeptiert, und Spielpakete sind durch eine CRC geschützt, die auf beide Pairing-Nonces geschlüsselt ist, sodass eine Aufzeichnung eines anderen Matches ihre Prüfung nicht besteht. Wie es in der Spezifikation heißt, kann Jamming überlebt, aber nicht verhindert werden: Man stockt, man desynchronisiert sich nie stillschweigend.

Die Zustellwerte aus den Raummodelltests liegen im robusten Modus bei 99 % oder besser bei 20 cm und bei 95 % bei 40 cm, im schnellen Modus bei 98 % bei 20 cm. Dabei handelt es sich um Simulationsergebnisse, die in der Spezifikation genannt werden, nicht um eine Feldstudie – und der Beitrag selbst sagt, dass die Funktion bei ihrer Einführung sehr neu war: „Ich habe das gerade erst zum Laufen gebracht, daher hatte ich noch nicht viel Zeit, es aktiv zu testen.“

Der Bug, der wichtiger ist als das Modem

Tief in den abschließenden Beobachtungen verbirgt sich das Detail, das für alle, die zustandsbehaftete Software mit einem Agenten bauen, am ehesten nützlich sein dürfte. Da Replays und Lockstep-Multiplayer beide verlangen, dass die Simulation auf jedem Gerät bitidentisch ist, musste Claude aufhören, Math.sin() und Math.cos() aufzurufen — Chrome und Safari liefern minimal unterschiedliche Werte — und stattdessen eigene Implementierungen verwenden. Dass zwei Browser sich in den letzten Bits einer transzendenten Funktion uneinig sind, reicht aus, um ein Match Minuten später zu desynchronisieren.

Das ist eine echte technische Einschränkung, die das Modell gefunden und das Modell behoben hat, und sie lässt sich weit über Spiele hinaus verallgemeinern. Jedes von einem Agenten gebaute System mit einem deterministischen Kern – ein Scheduler, ein Replay eines Finanzledgers, eine Simulationsumgebung, ein reproduzierbarer Build – wird auf dieselbe Problemklasse stoßen, und es wird still darauf stoßen. Die Lehre für Leserinnen und Leser ist nicht „Claude ist gut in Spielen.“ Sie lautet, dass Determinismus eine ausdrückliche Anforderung im Prompt sein muss, weil nichts in einer Standardimplementierung ihn wahr macht.

The Radio Probe und ein Prompting-Muster, das man sich abschauen sollte

Bevor das Modem geschrieben wurde, baute das Modell eine Messseite. Der Beitrag beschreibt ein Tool namens „Radio Probe“, das noch immer als radio-probe.html im Repository liegt, dessen Aufgabe es war, eine Frage zu beantworten: Wie viel Bandbreite können zwei Geräte in diesem Raum auf dieser Entfernung tatsächlich zwischen sich erreichen? Die vollständige Implementierung erfolgte erst, nachdem die Probe Zahlen geliefert hatte, die gut genug waren, um sie zu rechtfertigen. Dieselbe Datei dokumentiert die beiden Dinge, die die Probe nicht gemessen hat — ein iPhone, das mit geöffnetem eigenem Mikrofon sendet, und ein Telefon, das seine eigene Übertragung hört — genau die Fehlermodi, die im Feld relevant wären.

Das Muster lohnt sich zu übernehmen, egal welches Modell Sie verwenden: Bitten Sie den Agenten, das Messinstrument zu bauen, bevor er die Funktion baut. Erst messen, dann bauen – so vermeiden Sie, dass eine Woche Arbeit auf einer Annahme beruht, die niemand geprüft hat. Außerdem liefert es die Zahlen, mit denen eine Aussage wie „Audio-Multiplayer funktioniert“ überprüfbar statt bloß charmant wird.

Was das über Claude Opus 5.5 aussagt – und was nicht.

Die stärksten Behauptungen im Beitrag sind konkret. Willison schreibt, Claude Opus 5.5 sei „spektakulär beim 3D-Modellieren mit Three.js“ – jedes Gebäude, Fahrzeug und jede Landschaft im Spiel werde prozedural im Code erzeugt, und GPT-6 Astra ordnet er im selben Bereich ein. Er merkt außerdem an, dass das Modell Musik schreibt: Im Projekt gibt es keine Audiodateien, und der Soundtrack wird im Code generiert, variiert je nach Karte und wird intensiver, sobald der Kampf hitziger wird.

Zwei weitere Ergebnisse sind vom Autor berichtet und nicht unabhängig reproduziert worden und sollten auch so gelesen werden. Das „Fun-Update“ war ein einziger Prompt – „Dieses Spiel macht noch nicht genug Spaß. Mach es VIEL spaßiger.“ –, ausgeführt in einem dynamischen Workflow-Modus, der viele Stunden lang viele Subagenten orchestriert, während derer das Modell über tausend simulierte Playtest-Sitzungen durchlief. Das berichtete Ergebnis aus 1.200 KI-gegen-KI-Partien auf normaler Schwierigkeit: Spiele, die nach 25 Minuten noch unentschieden waren, fielen von 14 % auf 0,9 %, und der Anteil der Siege einer Seite, die 800+ Schrott im Rückstand gewesen war, stieg von 24 % auf 46 %. Das sind die Messungen des Autors an seinem eigenen Spiel, kein Benchmark des Modells.

Was der Beitrag nicht zeigt, ist ebenso wichtig. Es gibt keine Bewertung von Claude Opus 5.5 zur Spieleentwicklung durch Dritte, keinen direkten Vergleich mit einem anderen Modell bei derselben Aufgabe und keine Token- oder Kostenabrechnung für die Durchläufe. Der Autor selbst sagt, er wisse „fast nichts über Spieleentwicklung“, habe „sich fast keinen Code angesehen“ und betrachte das Ergebnis nicht als ernstzunehmendes Indie-Projekt. Das ist eine ungewöhnlich offene Reihe von Einschränkungen, und sie begrenzt, wie weit das Ergebnis verallgemeinert werden kann: Das ist ein Praktiker, eine Codebasis, ein Monat.

Was es kostet, ein Projekt wie dieses zu betreiben

Anthropics veröffentlichte Preisliste für Claude Opus 5.5 nennt 4,00 US-Dollar pro Million Eingabe-Tokens, 20,00 US-Dollar pro Million Ausgabe-Tokens und 0,20 US-Dollar pro Million für Cache-Lesevorgänge. Ein Projekt dieser Art ist fast ausschließlich ausgabelastig – das Modell schreibt TypeScript und liest nicht einen großen festen Korpus –, also ist die Ausgabezeile über 20 US-Dollar diejenige, die die Rechnung bestimmt, und die mehrstündigen nächtlichen Läufe mit hoher Parallelität sind das, was aus „billig pro Token“ eine reale Zahl macht. Für Battle Drones wurde keine Gesamtsumme veröffentlicht, die ehrliche Aussage ist daher, dass die Obergrenze davon bestimmt wird, wie viele Agentenstunden Sie zu kaufen bereit sind, und nicht von einer Zahl im Beitrag.

Das ist auch das Argument dafür, einen Produktionspfad nicht aufgrund eines einzigen beeindruckenden Artefakts an ein einziges Modell zu binden. Claude Opus 5.5 ist bei OrcaRouter zum Listenpreis von Anthropic mit 0 % Aufschlag, sodass eine Preisänderung des Anbieters noch am selben Tag bei uns wirksam wird, und automatisches Failover bedeutet, dass ein langer Agentenlauf nicht deshalb abbricht, weil ein vorgelagerter Endpoint einen schlechten Nachmittag hat. Wenn du testen willst, ob ein nächtlicher Build wie dieser auf einem anderen Modell reproduzierbar ist, eine API für mehr als 200 Modelle ist der günstigste Weg, das herauszufinden — gleiche Anfrageform, anderer Modellname, kein zweiter Vertrag.

Was ist nicht etabliert?

• Beliebtheit — als das Repository am 21. Oktober 2026 geprüft wurde, einen Tag nachdem der Beitrag erschienen war, zeigte es 4 Sterne und 0 Forks. Das ist kein Phänomen; es ist das veröffentlichte Projekt einer einzelnen Person.

• Feldzuverlässigkeit der Audioverbindung — die Zustellquoten in der Spezifikation stammen aus Tests mit Raummodellen, und der Autor gibt an, dass er nicht viel Zeit hatte, die Funktion aktiv zu testen. Lesen Sie 99 % nicht als Versprechen für Ihren Küchentisch.

• Stand der Technik — der Beitrag nennt Siner von Alon Horesh und ggwave von Georgi Gerganov als die einzigen vergleichbaren Arbeiten, die er finden konnte, und bezeichnet Audio-Mehrspieler für statische HTML-Spiele als „ein Novum für ein RTS, soweit ich das beurteilen kann“. Das ist die Suche des Autors, keine Literaturübersicht.

• Zuordnung des Codes — Claude Opus 5.5 trieb die meisten der späteren Iterationen voran, doch die erste Version wurde bereits im Juli mit Claude Fable 5 erstellt, und die README selbst besagt, dass der Rest des Dokuments von Claude geschrieben wurde. Behandle das Repo als ein Artefakt mit gemischter Herkunft.

• Ein Benchmark-Ergebnis – es gibt keines. Nichts hier vergleicht Claude Opus 5.5 mit einem anderen Modell bei einer Aufgabe mit einer Punktzahl.

Was man tatsächlich mitnehmen sollte, ist enger gefasst und nützlicher als „eine KI hat ein Spiel gebaut“. Ein Browser-RTS ohne Backend, eine deterministische Simulation und ein funktionierendes Akustikmodem sind ein Beleg dafür, dass sich der schwierige Teil von Agenten gebauter Software vom Generieren von Code zum Spezifizieren von Vorgaben verschoben hat — Determinismus, Messung, Fehlerverhalten — und zwar präzise genug, dass der generierte Code überprüfbar ist. Die Datei SOUND-DUEL.md ist der Beweis: Sie existiert, weil jemand das Modell dazu gebracht hat, vor der Auslieferung aufzuschreiben, was die Verbindung leisten konnte und was nicht. Wenn Sie sehen möchten, ob sich diese Disziplin auf Ihre eigenen Aufgaben übertragen lässt, führen Sie denselben Prompt mit einem zweiten Modell aus und vergleichen Sie die Spezifikationen, nicht die Screenshots.