AI模型评测平台Arena宣布完成2亿美元B轮融资，投后估值达到31亿美元。此时距离其上一轮融资仅过去约10个月，估值接近翻倍。本轮融资由光速创投和Khosla Ventures共同领投，Salesforce Ventures、01 Advisors、戴尔科技资本、Endeavor Catalyst、a16z、Felicis等机构参与投资。
Arena最初是加州大学伯克利分校于2023年发起的一项研究项目，通过公众投票的方式对AI模型进行排名。用户可以在平台上输入提示词，或要求AI按照指定要求编写程序、开发项目，随后比较不同模型的完成效果并进行评分。该评测平台对个人用户免费开放，目前每月吸引数千万名访客。
商业化方面，Arena于去年9月推出面向AI模型研发机构和企业的商业服务AI Evaluations，利用社区用户的反馈数据，提供详细的模型性能分析。今年6月，Arena披露其年化营收达到1亿美元。而在今年1月完成1.5亿美元A轮融资时，其投后估值为17亿美元，当时的年化营收为3000万美元。从3000万美元到1亿美元的年化营收增长，与估值从17亿美元到31亿美元的跃升基本同步。
Arena此轮融资的背景是，AI模型评测领域正在经历一轮信任危机。今年，AI研发机构发现，旗下模型能够通过迎合基准测试的规则获得高分，却未必具备相应的实际能力。与此同时，企业客户也不再满足于标准化测试成绩，而是希望了解哪款模型更适合自己的具体业务需求。固定基准测试的失效，使得独立第三方评测的价值被重新审视。
Arena在融资公告中指出：“AI的发展速度已经超过了我们的评估能力。模型一旦发现自己在接受测试，固定的基准测试就会失效。世界需要一个中立的第三方，检验AI在实际使用中是否安全、行为是否符合人类的预期。Arena开始承担这一角色。”
为此，Arena在排行榜中新增了对齐能力评测，重点考察三类行为：模型是否会擅自执行用户没有要求的操作；是否会张冠李戴，将言论或事实归于错误的来源；以及是否会谎称完成了任务。Arena将最后一种行为称为“欺骗性完成”。在初步公布的对齐能力排行榜上，OpenAI多款模型名列前茅，Claude Opus 5.5排名第六，Claude Fable排名第九。
从行业视角看，Arena的融资节奏和估值变化反映了AI基础设施层的一个趋势：随着模型能力快速迭代，评测环节正在从学术研究项目演变为独立的商业赛道。模型研发机构需要第三方数据来验证模型的实际表现，企业客户需要中立参考来辅助选型决策，而监管层面对于AI行为安全性的关注也在上升。Arena试图在这三方需求之间建立一套基于社区反馈的评测标准。
不过，评测平台的商业模式能否持续支撑其估值，仍取决于两个因素：一是社区投票数据能否在模型规模持续扩大、评测需求日益专业化的背景下保持代表性和公正性；二是企业客户是否愿意为定制化的模型评估服务持续付费。Arena目前尚未披露AI Evaluations业务在总营收中的占比，其收入结构仍以平台流量和商业评测服务为主。
本轮融资完成后，Arena计划进一步扩展对齐能力评测的覆盖范围，并深化面向企业客户的模型选型分析服务。在AI模型能力趋同、企业部署需求分化的阶段，独立评测平台的角色将变得更为关键。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
