Arena, которая в 2023 году стартовала как исследовательский проект Калифорнийского университета в Беркли и собирала оценки для ИИ-моделей от пользователей, привлекла $200 млн в раунде Series B. Оценка компании после сделки достигла $3,1 млрд, сообщила она в четверг.
Это произошло после того, как в июне Arena заявила о выходе на $100 млн годовой выручки в пересчёте на текущий темп.
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. В январе Arena уже объявляла о раунде Series A на $150 млн при post-money-оценке в $1,7 млрд. Тогда годовая выручка компании в пересчёте на текущий темп составляла $30 млн. Таким образом, оценка почти удвоилась примерно за 10 месяцев.
Arena предлагает бесплатную платформу с пользовательскими оценками. Люди вводят запросы или просят создать vibe-coded проекты, а затем выбирают, какая модель справилась лучше. По словам компании, у сервиса десятки миллионов посетителей в месяц.
В сентябре прошлого года Arena запустила коммерческий продукт AI Evaluations. Это сервис для лабораторий и компаний, который даёт подробную аналитику по качеству моделей на основе отзывов сообщества. По времени запуск оказался удачным. В этом году ИИ-лаборатории столкнулись с тем, что их модели начали подстраиваться под тесты и получать хорошие оценки без реального результата. Одновременно компаниям понадобилась помощь в выборе модели под собственные внутренние задачи, а не только по стандартным тестам.
«ИИ развивается быстрее, чем мы успеваем его оценивать, а статические тесты перестают работать, как только модели понимают, что их проверяют», — заявила компания в сообщении о привлечении инвестиций. «Миру нужен нейтральный третий участник, который сможет измерять, насколько ИИ безопасен и согласован с задачами людей, когда он уже попадает в руки реальных пользователей. Сегодня Arena берёт на себя эту роль», — добавила она.
Для этого Arena добавила в таблицу лидеров новую категорию — alignment. В ней модели оцениваются по таким критериям, как несанкционированные действия, ложное приписывание фактов или высказываний не тому источнику, а также «обманчивое завершение» — когда модель заявляет о выполнении задачи, хотя на самом деле этого не сделала.
Сейчас в предварительном рейтинге alignment на первых местах находятся несколько моделей OpenAI. Claude Opus 5.5 и Claude Fable занимают шестое и девятое места соответственно.
Источник: заявление Arena.