Компания Arena, созданная в 2023 году как исследовательский проект в UC Berkeley с краудсорсинговым ранжированием ИИ-моделей, привлекла $200 млн в раунде Series B. Оценка компании составила $3,1 млрд, сообщила она в четверг.
Раунд прошёл после того, как в июне Arena заявила о $100 млн годовой выручки в пересчёте на текущий темп. В январе компания объявляла о раунде Series A на $150 млн при post-money оценке $1,7 млрд. Тогда её годовая выручка в пересчёте на текущий темп составляла $30 млн. Таким образом, оценка компании почти удвоилась примерно за 10 месяцев.
Раунд возглавили Lightspeed Venture Partners и Khosla Ventures. Также в нём участвовали Salesforce Ventures, 01 Advisors, Dell Technologies Capital, Endeavor Catalyst, a16z, Felicis и другие инвесторы.
Arena управляет бесплатной для пользователей платформой, где люди вводят запросы или просят создать проекты с помощью vibe coding, а затем оценивают, какая модель справилась лучше. По данным компании, у сервиса десятки миллионов посетителей в месяц.
В сентябре прошлого года Arena запустила коммерческий продукт AI Evaluations. Этот сервис даёт разработчикам моделей и компаниям подробную аналитику производительности на основе отзывов сообщества.
Запуск пришёлся на момент, когда ИИ-компании поняли, что модели могут подстраиваться под бенчмарки и получать высокие баллы без реального улучшения качества. Параллельно компании начали искать способы понять, какая модель лучше подходит для их внутренних задач, а не полагаться только на стандартные тесты.
«ИИ развивается быстрее, чем наши возможности по его оценке, а статические бенчмарки перестают работать, как только модели понимают, что их тестируют», — заявила компания в сообщении о раунде финансирования. «Нужна нейтральная третья сторона, которая сможет измерять, насколько ИИ безопасен и соответствует заданным требованиям после того, как им начинают пользоваться реальные люди. Arena берёт на себя эту роль», — добавили в компании.
В связи с этим Arena добавила в свой рейтинг новую категорию — alignment. В ней модели оценивают по таким параметрам, как несанкционированные действия, ошибочное указание источника и «обманчивое завершение» — когда модель сообщает о выполнении задачи, которую на самом деле не сделала.
Сейчас в предварительном рейтинге по alignment лидируют несколько моделей OpenAI. Claude Opus 5.5 и Claude Fable занимают шестое и девятое места соответственно.
