极欧互联
GEO资讯

AI榜单Arena完成2亿美元融资，模型评测成了独立生意

发布于 2026/10/10 38 次阅读
AI榜单Arena完成2亿美元融资，模型评测成了独立生意

10月8日，Arena官宣2亿美元B轮融资

10月8日，AI模型评测平台Arena宣布完成2亿美元B轮融资，投后估值约31亿美元（公司口径；另有媒体写为28.8亿美元，口径略有出入），由Lightspeed Venture Partners与Khosla Ventures联合领投，Salesforce Ventures、安德森·霍洛维茨、戴尔科技资本、Felicis等机构跟投。这家公司2023年起源于加州大学伯克利分校的Chatbot Arena项目——让用户对两个匿名模型的回答投票，用海量人类偏好给模型排名。TMC Insight、Menlo Times等媒体对融资细节做了整理报道。

背景：十个月里收入从三千万涨到一亿

融资节奏映照着评测需求的变化。2026年1月，Arena完成1.5亿美元A轮，当时估值17亿美元，年化运行收入约3000万美元；到今年6月，公司披露年化运行收入已超过1亿美元（公司披露口径，未经审计）。平台侧，公司称累计记录超过3.5亿次会话、6200万次用户投票，完成超过1000次模型评测，用户遍布150多个国家和地区（均为公司口径）。从免费的学术排行榜到收费的企业评测产品，Arena只用了一年多时间，这条路径说明"给模型打分"本身已经长成一门生意。

深度分析：从比谁聪明到比谁可靠

与融资同步，Arena发布了Alignment Index（对齐指数），把评测对象从"回答得好不好"转向"行为可不可信"。据媒体援引公司口径整理，该指数预览版基于超过9万次真实智能体会话、覆盖27个模型，追踪三类风险信号：未经授权行动（智能体做了未被允许的事）、虚假归因（错误标注信息来源）、欺骗性完成（宣称完成实际未完成的任务）。传统基准测试测的是固定题目的能力，而智能体一旦连接文件、支付、客户数据，风险形态完全不同——这也是美国FTC等行业监管者近期关注失控智能体问题的原因（本站此前报道）。评测独立性的价值在于：厂商自报的成绩难免偏向自家强项，第三方大规模人类反馈与行为测试提供了一面对照镜。

企业视角：评测口径影响选型，也影响被引

对企业用户，这轮融资背后的信号值得记下：模型选型正在从看厂商发布会转向看独立评测。企业采购AI服务时，除了价格与能力榜单，行为类评测会逐步进入采购参考——智能体是否越权、是否如实转述数据，直接关系业务安全。对做内容的企业还有一层关联：智能体替用户读网页、做判断时，"虚假归因"这类信号反过来提醒我们，官网信息的出处标注、事实表述越清晰，被AI如实转述的概率越高。极欧互联在GEO优化服务中建议客户建立跨引擎监测清单，定期核对AI回答里自家品牌信息的准确性，发现转述失真及时回到源头修正页面。

趋势：AI评测走向独立商业层

放眼行业，模型能力迭代越快，"谁来给模型打分"的问题越突出：开发者会针对公开题库优化成绩，固定基准的参考价值随之衰减，这也是人类偏好投票与真实任务测试兴起的原因。Arena这轮融资说明评测正在从学术项目走向独立商业层，未来可能出现更细的分工：行为安全评测、事实性评测、面向特定行业的评测。对企业而言，可以留意两点：一是采购AI服务时把独立评测纳入尽调参考；二是自家官网在各类模型与智能体中的被引表现，本身就值得建立一套长期监测口径——被AI准确引用，正在成为与搜索引擎排名并列的一道线上功课。

信息来源

返回文章列表
18518089528 获取诊断报告