01要点
- AI 模型评测平台 Arena(原 LMArena)10 月 8 日官宣:2 亿美元 Series B,估值约 31 亿美元;Lightspeed Venture Partners 与 Khosla Ventures 联合领投。
- 公司称年化经常性收入已超过 1 亿美元;同步发布 Alignment Index,用真实会话痕迹衡量未授权动作、错误归因、欺骗性完成等。
- Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst 及既有投资方 a16z、Felicis 等参投。
02发生了什么
10 月 8 日,Arena 在官网宣布完成 2 亿美元 B 轮融资,投后估值约 31 亿美元。本轮由 Lightspeed 与 Khosla 联合领投,Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst 参投,既有股东 a16z、Felicis、AMP PBC、QuantumLight、The House Fund 等继续支持。TechCrunch 同日报道:Arena 今年 1 月 A 轮约 1.5 亿美元、投后估值约 17 亿美元,当时自称 ARR 约 3000 万美元;公司称 6 月 ARR 已过 1 亿美元,约 10 个月估值接近翻倍。
Arena 源于 2023 年加州大学伯克利的众包模型排行榜,面向公众免费对比模型输出,并向实验室与企业卖评测服务。官网数字称:Agent Arena 上线不足 5 个月约 700 万会话;全平台约 3.5 亿会话、6200 万次投票;每月访客达数千万量级。这些为公司自述,未经独立审计。
同日预览 Alignment Index:从约 9 万次真实 Agent 会话里抽三类可核对信号——未授权动作(UA)、错误归因(FA)、欺骗性完成(DC)。公司称定义对齐 OpenAI、Anthropic 等系统卡口径,初步覆盖 20 余个前沿模型;方法学与排名由 Arena 自建,外媒提醒样本与评判模型对外透明度仍有限。
03共识与分歧
- 共识:静态基准被刷分后,业界需要更贴近真实使用的第三方评测;Arena 用众包偏好起家,再卖企业侧评测,融资与 ARR 自述说明需求在涨。
- 分歧:乐观方把它读成「评测基础设施」独立赛道坐实;谨慎方指出 ARR、会话量、Alignment 排名皆公司口径,且排行榜本身会影响实验室声誉与采购,中立性要靠可复核方法,而不是单靠估值。
04舆论与逻辑
讨论常接到「模型能力榜够不够、安全榜要不要」:一边是 Agent 开始代写代码、代办任务,一边是 Hugging Face 等事件后对可监测性与欺骗行为更敏感。逻辑上,Arena 把能力榜与对齐榜绑在同一数据飞轮上——谁刷能力榜,也可能被对齐榜点名。读法应盯后续是否开放可复现的评判细节、企业付费是否持续,而不是把 31 亿估值直接当成行业定价锚。
05依据与来源
06影响标注
利好
- AI 评测与对齐工具链 约 2 亿美元 B 轮与自称过亿 ARR,显示第三方真实场景评测获资本加码
利空
- 暂无因本条直接受损的明确上市公司 融资本身不构成对既有云或模型厂商的合同冲击
中性
视情况
MSFTGOOGLAMZN及私有模型实验室 排行榜与 Alignment Index 可能影响采购叙事与安全沟通,方向取决于各自模型在榜表现,非本条直接定价事件