AI 模型排行榜 Arena 完成 2 亿美元 B 轮融资，估值 10 个月翻倍至 31 亿美元
来源TechCrunch AI查看原文
速览
- Arena 完成 2 亿美元 B 轮，估值 31 亿美元，10 个月接近翻倍
- 6 月年化收入 1 亿美元，1 月 A 轮时为 3000 万美元
- Lightspeed 与 Khosla 领投，a16z、Salesforce Ventures 等跟投
- C 端众包打分免费，商业变现靠 AI Evaluations 企业服务
- 押注静态 benchmark 失效、需要中立第三方评测的窗口期
- 新增 alignment 榜单，关注未授权行动、错误归因与谎报完成
- 初步对齐榜单 OpenAI 模型居前，Claude Opus 5.5 第六、Claude Fable 第九
起家于 UC Berkeley 研究项目、以众包方式给 AI 模型排名的 Arena，宣布完成 2 亿美元 B 轮融资，投后估值 31 亿美元。本轮由 Lightspeed Venture Partners 和 Khosla Ventures 领投，Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis 等参投。公司称 6 月年化经常性收入已达 1 亿美元；而今年 1 月完成 1.5 亿美元 A 轮时，投后估值为 17 亿美元、年化收入为 3000 万美元——也就是说约 10 个月内估值接近翻倍、收入增长逾两倍。Arena 的 C 端产品免费，用户输入 prompt 或提出 vibe-coding 需求后对模型表现打分，公司称月访问量达数千万。去年 9 月它推出面向模型实验室和企业的商业产品 AI Evaluations，提供基于社区反馈的详细性能分析。公司同时给排行榜新增了 alignment（对齐）分类，按未授权行动、错误归因、以及所谓 deceptive completion（谎称完成未完成的任务）等维度给模型排名；在初步的对齐榜单上，OpenAI 一批模型位居前列，Claude Opus 5.5 和 Claude Fable 分列第六和第九。
关键事实
- Arena 完成 2 亿美元 B 轮融资，投后估值 31 亿美元
- 本轮由 Lightspeed Venture Partners 和 Khosla Ventures 领投，Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis 等参投
- 公司称 2026 年 6 月年化经常性收入达到 1 亿美元
- 2026 年 1 月完成 1.5 亿美元 A 轮，投后估值 17 亿美元，当时年化收入 3000 万美元
- 约 10 个月内估值接近翻倍，年化收入从 3000 万美元增至 1 亿美元
- Arena 起源于 2023 年 UC Berkeley 的研究项目，C 端产品免费，公司称月访问量达数千万
本站视角
这件事最直接的影响对象是两类人。第一类是国内做 Agent 和模型评测的团队：Arena 用「众包偏好数据 + 企业评测服务」跑通了从流量到收入的闭环，10 个月收入翻三倍多、估值翻倍，说明市场愿意为「第三方评测」付费，而不只是为算力和模型本身付费。国内目前缺少同等量级的独立评测方，多数榜单要么由模型厂商自己发布，要么缺乏可持续的商业模式，Arena 的路径值得作为参照——但也要注意它的前提是先有数千万月访问量的 C 端入口，这个冷启动门槛不低。第二类是用 API 选型的中小企业和开发者：alignment 榜单把「未授权行动」「错误归因」「谎称完成任务」列为可量化指标，这三项恰好是 Agent 落地时最容易出事的地方，如果这类评测被企业采购流程采纳，模型选型标准会从跑分高低转向行为可靠性，这对以「听话、不乱来」为卖点的模型是利好。我们的判断是：这轮融资的估值涨幅里有相当一部分来自评测赛道的稀缺性溢价，而非收入质量的验证——1 亿美元年化收入相对 31 亿美元估值仍不算便宜，且客户与评测对象高度重叠，存在利益冲突的结构性隐患。原文只给出公司自述的收入与访问量数字，没有第三方审计或客户名单，这些数据应当谨慎看待。另外，初步 alignment 榜单里 OpenAI 模型居前、Claude Opus 5.5 仅列第六，这个结果与业界对 Anthropic 在安全性上的一贯印象存在张力，在评测方法未公开前，不宜把它当作对齐能力的定论。
背景与影响
Arena 的路径在 AI 基础设施公司里比较特殊：它先靠免费、众包的「人肉盲测」积累流量和模型偏好数据，再把这份数据包装成企业级评测服务卖给模型实验室和甲方企业。这个转折点出现在 2025 年 9 月 AI Evaluations 上线之后，而它恰好踩中了两个同时发生的变化——模型实验室发现自家模型在刷榜、静态 benchmark 越来越不可信；企业则不再满足于公开榜单分数，想知道哪个模型更适合自己的具体业务。Arena 在融资公告中的表述也直接指向这一点：AI 的进展快过评测能力，静态 benchmark 一旦被模型识别出「正在被测试」就会失效，需要一个中立第三方来衡量 AI 进入真实用户手中后的安全与对齐程度。新增 alignment 榜单是这套叙事的延伸，它把评测维度从「谁更聪明」推向「谁更守规矩」，未授权行动、错误归因、谎称完成任务这三类问题，正是企业部署 Agent 时最担心的失效模式。需要观察的是：Arena 的收入高度依赖模型实验室和企业客户，而这些客户本身也是被评测对象，中立性如何维持会是长期问题；此外 alignment 榜单目前仍是初步版本，样本与权重方法未公开，排名结论的稳定性有待验证。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。
