Arena 起源于2023年加州大学伯克利分校的一个研究项目，通过众包方式对AI模型进行排名。该公司周四表示，已完成2亿美元B轮融资，估值达31亿美元。
此前该公司曾表示，其在6月已达到1亿美元的年化流水收入（run-rate revenue）。
本轮融资由Lightspeed Venture Partners和Khosla Ventures领投，Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis等参投。Arena此前于1月宣布完成1.5亿美元A轮融资，投后估值17亿美元。公司当时称，其年化收入为3000万美元。这意味着其估值在约10个月内近乎翻倍。
Arena 提供一个面向消费者的免费众包平台。用户输入提示词，或提出“凭感觉编程”（vibe-coded）的项目需求，然后对哪个模型完成得更好进行评分。Arena 声称其月访问量达数千万。
去年9月，它推出了商业产品 AI Evaluations。该服务基于社区反馈，为模型实验室和企业提供详尽的性能分析。时机可谓恰到好处。今年，AI实验室意识到自家模型正在“钻空子”以刷高基准测试成绩——想方设法拿到漂亮分数，却并非真正具备相应能力。与此同时，企业也希望获得帮助，判断哪个模型最适合自身内部需求，而非仅仅依赖标准化基准测试。
“AI 的进步速度已超过我们评估它的能力，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。”该公司在融资公告中表示，“世界需要一个中立的第三方，来衡量当AI真正落到普通人手中时，它究竟有多安全、有多对齐。Arena 如今正承担起这一角色。”
为此，Arena 还在其排行榜中新增了一个类别：对齐（alignment）。它依据未经授权的行为（采取未被要求采取的行动）、错误归因（将言论或事实错误地归于错误的来源），以及所谓“欺骗性完成”（谎称完成了实际并未完成的任务）等问题，对模型进行排名。
目前，OpenAI 的一系列模型在其初步对齐排行榜上名列前茅，Claude Opus 5.5 和 Claude Fable 分别位列第六和第九。
