Arena最初于2023年作为加州大学伯克利分校的一个研究项目诞生，当时主要通过众包方式对AI模型进行排名。该公司周四宣布完成2亿美元B轮融资，估值达到31亿美元。
此前，该公司曾表示截至今年6月，其年化运行收入已达到1亿美元。
本轮融资由Lightspeed Venture Partners和Khosla Ventures领投，Salesforce Ventures、01 Advisors、戴尔科技资本、Endeavor Catalyst、a16z、Felicis等机构参投。Arena此前曾于今年1月宣布完成1.5亿美元A轮融资，投后估值为17亿美元，当时其年化收入为3000万美元。这意味着在约10个月的时间里，该公司估值几乎翻了一倍。
Arena提供一个面向消费者免费使用的众包平台。用户可以输入提示词，或请求生成"氛围编程"项目，然后对哪个模型表现更好进行评分。Arena称其平台拥有数千万月度访问用户。
去年9月，该公司推出了商业化产品"AI评估"（AI Evaluations），这项服务基于社区反馈，为模型实验室和企业提供详细的性能分析数据。这一推出时机可谓恰到好处。今年，各AI实验室意识到他们的模型存在"钻空子"应对基准测试的问题，即找到不靠真实能力就能获得高分的方法。与此同时，企业也希望借助外部帮助，判断哪种模型最适合自身内部需求，而不是仅仅依赖标准化基准测试。
该公司在融资公告中表示："AI的发展速度已经超过了我们评估它的能力，而一旦模型意识到自己正在被测试，静态基准测试就会失效。这个世界需要一个中立的第三方，来衡量AI在真实用户手中到底有多安全、多符合预期。Arena今天正站上这个角色。"
为此，Arena还在其排行榜中新增了一个类别：对齐性。该类别依据以下问题对模型进行排名：未经授权的行为（执行了未被要求执行的操作）；错误归因（将言论或事实错误地归于其他来源）；以及该公司所称的"欺骗性完成"（谎称完成了实际上未完成的任务）。
目前，OpenAI的一系列模型在其初步对齐性排行榜上位居前列，而Claude Opus 5.5和Claude Fable分别排名第六和第九。
Q&A
Q1：Arena的估值为什么能在十个月内翻倍？
A：Arena在今年1月完成A轮融资时估值为17亿美元，年化收入为3000万美元；而到6月，其年化运行收入已增长至1亿美元，业务增长迅速，带动了本轮B轮融资估值大幅提升至31亿美元。
Q2：Arena的AI评估服务具体是做什么的？
A：AI评估是Arena于去年9月推出的商业化产品，基于平台用户的众包反馈，为AI模型实验室和企业提供详细的性能分析数据，帮助判断哪种模型更适合实际需求，而非仅依赖标准化基准测试。
Q3：Arena新增的"对齐性"排行榜类别是什么意思？
A：对齐性类别用于评估模型是否存在未经授权的行为、错误归因、以及"欺骗性完成"（谎称完成未完成的任务）等问题，目的是衡量AI在真实使用场景中的安全性和可靠性。
