Arena该项目于2023年作为加州大学伯克利分校的一项研究项目发起，通过众包方式对AI模型进行排名。该公司周四表示，已以31亿美元的估值完成2亿美元B轮融资。
此前，该公司曾表示其在6月实现了1亿美元的年化经常性收入（ARR）。
本轮融资由Lightspeed Venture Partners和Khosla Ventures领投，Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis等机构跟投。Arena此前曾宣布在1月份完成1.5亿美元的A轮融资，投后估值为17亿美元；当时其年化收入为3000万美元。这意味着其估值在约10个月内几乎翻了一番。
Arena提供了一个供消费者免费使用的众包平台。用户输入提示词或请求生成具有特定氛围的项目，然后对哪个模型表现更好进行评分。Arena声称其拥有数千万月度活跃用户。
去年9月，它推出了商业产品AI Evaluations，该服务基于其社区反馈，为模型实验室和企业提供详细的性能分析。时机恰到好处：今年，AI实验室意识到它们的模型正在操纵基准测试，找到了在不真正获得高分的情况下刷高分数的方法；同时，企业希望帮助确定哪种模型最适合其内部需求，而不是仅依赖标准化基准。
“人工智能的发展速度超过了我们评估它的能力，一旦模型意识到自己正在接受测试，静态基准测试就会失效，”该公司在其融资公告中表示。“世界需要一个中立的第三方来衡量人工智能在实际交付给真实用户后究竟有多安全、多对齐。Arena今天正承担起这一角色。”它补充道。
为此，Arena还在其排行榜中新增了一个类别：对齐（Alignment）。在该类别中，它根据未经授权的操作（执行未被要求执行的操作）、错误归因（将陈述或事实错误地归因于错误的来源）以及其所谓的“欺骗性完成”（谎称完成了未执行的任务）等问题对模型进行排名。
目前，OpenAI的一系列模型位于其初步对齐排行榜的顶端，Claude Opus 5.5和Claude Fable分别位列第六和第九。