Claude Opus 5.5 creó un RTS que se juega a través del sonido: dentro del módem de audio de Battle Drones

Dos teléfonos sobre una mesa, sin Wi-Fi, sin Bluetooth, sin ningún servidor. Uno aloja una partida de estrategia en tiempo real, el otro se une, y lo único que pasa entre ellos es ruido: una portadora de alrededor de 10 kHz que va en una dirección y de 17 kHz en la otra, que transporta órdenes de los jugadores a unos 1.880 bits por segundo. Esa es la novedad más reciente del artefacto más ambicioso que Claude Opus 5.5 ha hecho público hasta la fecha: Battle Drones, un RTS de navegador al estilo Command & Conquer que Simon Willison publicó el 20 de octubre de 2026, tras doce iteraciones importantes y 321 commits, en su mayoría de agentes de programación. Anthropic lanzó Claude Opus 5.5 el 22 de septiembre de 2026 a 4 dólares por millón de tokens de entrada y 20 dólares por millón de tokens de salida, así que el modelo en sí tiene un mes; lo nuevo esta semana es aquello que se construyó con él, y la especificación abierta que lo acompaña. Los artefactos públicos como este suelen omitir cómo falla el modelo por debajo, y los incidentes registrados están catalogados en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, gravedad, grado de confianza e indicador de disputa.

Ambas partes de esa afirmación son verificables. El juego se ejecuta en simonw.github.io/battledrones/, el código fuente está en GitHub bajo Apache-2.0, y el enlace acústico no es una caja negra: el repositorio incluye SOUND-DUEL.md, una especificación completa del módem con planes de banda, tasas de codificación, formatos de paquete y cifras medidas de relación señal-ruido. Lo que sigue es lo que ese documento y la publicación dicen realmente, separado de lo que no dicen.

¿Qué se lanzó el 20 de octubre?

Battle Drones no es un carrete de demostración. Como se describe en el texto, tiene nueve edificios, siete vehículos terrestres, seis vehículos aéreos y tres tipos de infantería, todos construidos como modelos 3D generados en TypeScript en lugar de cargados desde un paquete de recursos. Hay niebla de guerra, con requisitos separados de armas antiaéreas y contra objetivos terrestres. Seis mapas abarcan cinco biomas, además de un generador de mapas aleatorios con semilla que produce un campo de batalla de 108×108 con simetría puntual —construido, según la publicación, en un sprint de 45 minutos después de que el autor notara que le quedaba el 25 % de una cuota semanal de Claude y 45 minutos hasta que se restableciera.

Los modos incluyen escaramuzas, oleadas de supervivencia Last Stand, observación de IA contra IA, una campaña de ocho misiones y algo realmente inusual: un modo agente contra agente en el que dos modelos de lenguaje juegan entre sí mediante una herramienta que solo expone el estado de juego no visual visible por la niebla de guerra. Las repeticiones grabadas de esas partidas se incluyen con el repositorio, junto con un visor de depuración que muestra las respuestas subyacentes del modelo.

Los recuentos en el propio README del repositorio se han desviado ligeramente de la lista de características de la publicación: el README dice dieciséis unidades y diez edificios, mientras que la publicación enumera nueve edificios y dieciséis unidades entre tierra, aire e infantería. Dieciséis coincide; el recuento de edificios no. Es algo pequeño, pero es el tipo de desviación que se produce cuando un agente escribe el README y nadie lo audita, y el autor dice claramente que ha "revisado casi nada del código".

El enlace de sonido, en cifras

Esta es la parte por la que vale la pena leer la especificación, porque «multijugador por audio» suena a truco hasta que ves el presupuesto de ingeniería en el que tenía que encajar. Dos dispositivos comparten una sala y un canal acústico, así que el diseño es dúplex por división de frecuencia: ambos teléfonos transmiten continuamente, el anfitrión en 9,525–12,5 kHz y el invitado en 15,975–18,95 kHz, con las bandas colocadas de modo que el segundo armónico del anfitrión empiece por encima de 19,05 kHz y la intermodulación de tercer orden de cada banda se mantenga alejada de la otra.

• Modulación — OFDM con un espaciado entre tonos de 25 Hz, símbolo útil de 40 ms más un prefijo cíclico de 10 ms, por lo que 50 ms por símbolo y 20 símbolos por segundo

• Carga útil — 188 bits por paquete en el plan de banda alta, 186 en el plan de respaldo de banda baja, idéntica en ambos modos, de modo que un cambio de modo nunca altera lo que cabe

• Rendimiento — 1.880 bit/s en modo rápido alto, 940 bit/s en alto robusto, 930 y 465 en el plan bajo; los paquetes tardan 100, 200, 200 y 400 ms respectivamente

• Control de errores — código convolucional con K=7, tasa ½, polinomios 133/171, decodificación Viterbi suave, entrelazado entre símbolos y tonos, CRC-16 con polinomio 0x1021, y un rechazo estricto si más del 10% de los bits recodificados no coinciden

• Entramado — un símbolo de sincronización más 40 símbolos de datos por supertrama, 41 símbolos o 2,05 segundos, que transporta 20, 10, 10 o 5 paquetes según el plan y el modo

• Enlace medido: SNR de potencia de 40–70 dB en cada banda de 1 kHz de 1 a 21 kHz a 10–30 cm, degradándose a un valor efectivo de 17–31 dB a 10 cm y 9–19 dB a 30 cm una vez que se tiene en cuenta el eco, con reflexiones que llegan 8–15 ms después de la trayectoria directa

La parte honesta de la especificación es lo que se niega a prometer. No hay ARQ: un paquete perdido no se retransmite, el siguiente simplemente vuelve a describir cada turno no confirmado, y si la acumulación supera el tamaño de un paquete, se divide entre hasta cuatro segmentos rotatorios. Por lo tanto, las acumulaciones grandes se convierten en bloqueos en lockstep en lugar de corrupción. Cada turno se acepta una sola vez mediante una marca de agua alta, y los paquetes de juego están protegidos por un CRC con clave derivada de ambos nonces de emparejamiento, de modo que una grabación de una partida diferente falla su verificación. Como dice la especificación, se puede sobrevivir al jamming, pero no prevenirlo: te quedas bloqueado, nunca te desincronizas en silencio.

Las cifras de entrega de las pruebas con modelo de sala son del 99 % o mejores a 20 cm y del 95 % a 40 cm en modo robusto, y del 98 % a 20 cm en modo rápido. Esos son resultados de simulación reportados en la especificación, no un estudio de campo — y la propia publicación dice que la función era muy nueva cuando se lanzó: "Solo acabo de hacer que esto funcione, así que todavía no he tenido mucho tiempo para probarlo activamente".

El error que importa más que el módem.

En las observaciones finales se esconde el detalle que con mayor probabilidad resulte útil para cualquiera que construya software con estado usando un agente. Como las repeticiones y el multijugador lockstep exigen que la simulación sea idéntica bit a bit en todos los dispositivos, Claude tuvo que dejar de llamar a Math.sin() y Math.cos() —Chrome y Safari devuelven valores muy ligeramente distintos— y usar sus propias implementaciones. Que dos navegadores discrepen en los últimos bits de una función trascendental basta para desincronizar una partida minutos después.

Eso es una restricción real de ingeniería, encontrada por el modelo y corregida por el modelo, y se generaliza mucho más allá de los juegos. Cualquier sistema construido por agentes con un núcleo determinista —un planificador, una reproducción de un libro mayor financiero, un entorno de simulación, una compilación reproducible— se topará con la misma clase de problema, y lo hará de forma silenciosa. La lección para el lector no es "Claude es bueno en los juegos". Es que el determinismo tiene que ser un requisito explícito en el prompt, porque nada en una implementación predeterminada lo hace verdadero.

Radio Probe, y un patrón de prompting que vale la pena robar

Antes de escribir el módem, el modelo creó una página de medición. La entrada describe una herramienta «Radio Probe», que sigue en el repositorio como radio-probe.html, cuya función era responder a una pregunta: ¿cuánto ancho de banda pueden conseguir realmente dos dispositivos entre sí, en esta sala, a esta distancia? La implementación completa solo siguió adelante después de que la sonda devolviera cifras lo bastante buenas como para justificarla. El mismo archivo documenta las dos cosas que la sonda no ha medido —un iPhone transmitiendo con su propio micrófono abierto, y un teléfono oyendo su propia transmisión—, que son exactamente los modos de fallo que importarían sobre el terreno.

El patrón merece copiarse sea cual sea el modelo que uses: pide al agente que construya el instrumento antes de construir la funcionalidad. Medir primero y construir después es la forma de evitar que una semana de trabajo descanse sobre una suposición que nadie comprobó. También genera las cifras que hacen que una afirmación como «el multijugador de audio funciona» sea verificable en lugar de encantadora.

Lo que esto dice sobre Claude Opus 5.5, y lo que no

Las afirmaciones más contundentes de la publicación son concretas. Willison escribe que Claude Opus 5.5 es "espectacular en el modelado 3D con Three.js" —cada edificio, vehículo y paisaje del juego se construye de forma procedural en el código—, y sitúa a GPT-6 Astra en el mismo nivel. También señala que el modelo compone música: en el proyecto no hay archivos de audio, y la banda sonora se genera en código, varía según el mapa y se intensifica a medida que el combate se recrudece.

Dos resultados adicionales están informados por el autor en lugar de haber sido reproducidos de forma independiente, y deben leerse así. La «actualización divertida» fue un único prompt —«Este juego todavía no es lo bastante divertido. Hazlo MUCHO más divertido»— ejecutado en un modo de flujo de trabajo dinámico que orquesta muchos subagentes durante muchas horas, durante las cuales el modelo realizó más de mil sesiones simuladas de pruebas de juego. El resultado informado, de 1200 partidas de IA contra IA en dificultad Normal: las partidas aún indecisas después de 25 minutos cayeron del 14 % al 0,9 %, y la proporción de victorias de un bando que iba más de 800 de chatarra por detrás aumentó del 24 % al 46 %. Esas son las mediciones del autor de su propio juego, no un benchmark del modelo.

Lo que el artículo no muestra es igual de importante. No hay una evaluación por terceros de Claude Opus 5.5 en desarrollo de videojuegos, ni una comparación directa con otro modelo en la misma tarea, ni un desglose de tokens o dólares de las ejecuciones. El propio autor lo plantea así: sabe "casi nada sobre desarrollo de videojuegos", ha "revisado casi nada del código" y no considera el resultado un proyecto indie serio. Es un conjunto inusualmente sincero de salvedades, y limita hasta qué punto se puede generalizar el resultado: se trata de un solo practicante, una sola base de código y un solo mes.

Cuánto cuesta ejecutar un proyecto como este

La tarifa publicada de Anthropic para Claude Opus 5.5 es de $4.00 por millón de tokens de entrada, $20.00 por millón de salida y $0.20 por millón para lecturas de caché. Un proyecto de esta forma está casi enteramente limitado por la salida —el modelo escribe TypeScript, no lee un gran corpus fijo—, así que la línea de $20 de salida es la que rige la factura, y las ejecuciones nocturnas de varias horas con alto paralelismo son lo que convierte "barato por token" en un número real. No se publicó ningún total para Battle Drones, así que la afirmación honesta es que el techo lo determina cuántas horas de agente estés dispuesto a comprar, no cualquier cifra del artículo.

Ese es también el argumento para no comprometer una ruta de producción con un solo modelo basándose en la fuerza de un único artefacto impresionante. Claude Opus 5.5 está en OrcaRouter al precio de lista de Anthropic con un 0% de margen, así que un cambio de precio del proveedor se aplica en nuestro lado el mismo día, y el failover automático significa que una ejecución larga de un agente no muere porque un endpoint upstream esté teniendo una mala tarde. Si quieres comprobar si una compilación nocturna como esta es reproducible en un modelo diferente, una sola API para más de 200 modelos es la forma más barata de averiguarlo: misma forma de solicitud, distinto nombre de modelo, sin un segundo contrato.

Qué no está establecido

• Popularidad: el repositorio mostraba 4 estrellas y 0 forks cuando se consultó el 21 de octubre de 2026, un día después de que se publicara la entrada. Esto no es un fenómeno; es el proyecto de una persona, publicado.

• Fiabilidad en campo del enlace de audio: los porcentajes de entrega de la especificación provienen de pruebas con modelos de sala, y el autor afirma que no ha tenido mucho tiempo para probar la función de forma activa. No interpretes el 99 % como una promesa sobre tu mesa de cocina.

Estado de la técnica: la publicación cita {{KEEP}}Siner{{/KEEP}} de Alon Horesh y {{KEEP}}ggwave{{/KEEP}} de Georgi Gerganov como los únicos trabajos comparables que pudo encontrar, y califica el multijugador por audio para juegos de HTML estático como "algo inédito en un RTS, hasta donde alcanzo a ver". Eso es la búsqueda del autor, no una revisión de la literatura.

• Atribución del código — Claude Opus 5.5 impulsó la mayoría de las iteraciones posteriores, pero la primera versión se creó con Claude Fable 5 allá por julio, y el propio README indica que el resto del documento lo escribió Claude. Considera el repositorio como un artefacto de procedencia mixta.

• Un resultado de benchmark: no lo hay. Nada aquí mide Claude Opus 5.5 frente a otro modelo en una tarea con una puntuación.

Lo que realmente hay que llevarse es algo más concreto y más útil que «una IA construyó un juego». Un RTS de navegador sin backend, una simulación determinista y un módem acústico funcional demuestran que la parte difícil del software construido por agentes ha pasado de generar código a especificar restricciones —determinismo, medición, comportamiento ante errores— con la precisión suficiente para que el código generado sea verificable. El documento SOUND-DUEL.md es la prueba: existe porque alguien hizo que el modelo dejara por escrito lo que el enlace podía y no podía hacer antes de publicarlo. Si quieres ver si esa disciplina se traslada a tu propia carga de trabajo, lanza el mismo prompt contra un segundo modelo y compara las especificaciones, no las capturas de pantalla.