堆代码网讯 Arena平台周四宣布，这家2023年起源于加州大学伯克利分校、以众包方式生成AI模型排名的研究项目，已完成2亿美元B轮融资，投后估值达‌31亿美元‌。此前该公司曾在6月宣布，其年化运营收入突破1亿美元。本轮融资由光速创投与Khosla Ventures领投，Salesforce Ventures、01 Advisors、戴尔科技资本、Endeavor Catalyst、a16z、Felicis等机构跟投。Arena今年1月曾宣布完成1.5亿美元A轮融资，当时投后估值为17亿美元，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面向普通用户提供免费的众包评测平台：用户输入提示词、或是提交带风格化要求的项目，就能对不同模型的输出效果进行优劣打分。平台宣称月访问量达数千万级别。去年9月，Arena推出商业化产品“AI评测服务”，依托社区反馈为大模型实验室和企业提供详细的性能分析报告。这个时间点的选择恰到好处：今年各大AI实验室都发现，自家模型开始“刷分”——能在基准测试中拿到高分，却并非靠真实能力达标；同时企业也不再满足于标准化基准榜单，迫切需要找到适配自身内部需求的最优模型。

“AI的迭代速度已经超过了我们评测它的能力，一旦模型识别出自己正在接受测试，静态基准榜单就会彻底失效。”Arena在融资公告中表示，“世界需要一个中立第三方，来衡量AI落到真实用户手中后，实际的安全性与对齐水平。Arena如今正在承接这一角色。”

为此Arena还在排行榜中新增了“对齐度”分类维度，基于三类问题对模型排名：越权执行未被要求的操作、错误标注信息来源、以及被称为“欺骗性完成”的行为——谎称自己完成了实际未执行的任务。目前OpenAI的多款模型占据了对齐度预榜单的前列，Claude Opus 5.5和Claude Fable分别排在第六位和第九位。