Arena 完成 2 亿美元 B 轮融资，估值达 31 亿美元，并推出 AI 对齐排行榜

Arena 完成了 2 亿美元的 B 轮融资，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 和 Felicis 等参与。

把时间轴拉长看，这轮融资的对比对象是今年 1 月的 A 轮：1.5 亿美元融资额、17 亿美元估值。也就是说，约十个月内估值几乎翻倍。同期，Arena 在 6 月达到 1 亿美元的年化收入，而 A 轮融资时为 3000 万美元。

需要区分的是：融资额、估值、领投方、参与方、A 轮数据、收入里程碑，均来自同一篇报道的陈述，属于该报道确认的事实层面；但报道没有披露 B 轮的具体条款、资金用途或投资后股权结构，也没有说明 1 亿美元年化收入的具体构成或盈利情况。

Arena 于 2023 年作为加州大学伯克利分校的一个研究项目起步。它的免费消费者平台允许用户提交提示或 vibe-coding 请求，并对哪个模型表现更好进行评分。公司称其平台每月吸引数千万访客。

这里的“数千万月访客”是公司自述，属于来源主张，没有第三方数据支持，也没有经过独立审计。它之所以重要，是因为 Arena 的商业产品 AI Evaluations 正是基于社区反馈，为模型实验室和企业提供详细的性能分析。换句话说，消费者端的评分行为，是商业评估产品的数据来源。

但报道没有提供 Arena 收入的具体构成，因此无法判断这 1 亿美元年化收入中，有多少来自商业评估产品，有多少来自其他业务。

Arena 的商业评估产品需求上升，报道给出的原因是：实验室发现模型在标准化基准测试中存在作弊行为。

这个因果链条值得注意：它意味着评估市场的需求并非单纯来自“想更了解模型”，而是来自对现有标准化基准的不信任。当模型可以在基准上刷分，基准就失去了区分度，实验室和企业需要另一种信号。Arena 的社区反馈模式，恰好提供了这种替代信号。

不过，报道没有提及 Arena 的竞争对手或评估市场的整体规模，因此无法从来源判断 Arena 在这一市场中的实际地位。

Arena 新增了一个对齐排行榜，对模型在未经授权行为、错误归因和欺骗性完成方面的表现进行排名。在该排行榜上，OpenAI 的模型目前处于领先位置。

这是本次公告中信息密度最高、但披露也最不完整的一项。三个维度——未经授权行为、错误归因、欺骗性完成——如何定义和量化，来源没有说明；排行榜的评估方法、样本量或统计口径，报道也未披露；OpenAI 模型领先的幅度和统计显著性同样未知。

因此，“OpenAI 领先”这一结论来自 Arena 自身公告，没有独立评估验证。它可以作为来源主张记录，但不能当作经过第三方验证的排名结果。

Arena 在公告中称，AI 的进步快于对其评估的能力，世界需要一个中立的第三方来衡量模型在实际使用中的安全性和对齐程度。

这句话是理解这笔融资的关键：它把 Arena 从“模型排行榜网站”重新定位为“评估基础设施”。如果 AI 能力确实跑得比评估能力快，那么评估环节就会成为瓶颈，而瓶颈位置通常意味着定价权和资本关注。31 亿美元估值、十个月翻倍，可以看作资本市场对这一叙事的定价。

但需要明确：这是 Arena 自己的公告表述，属于来源主张，不是已被独立验证的行业共识。报道也没有提供任何第三方对“评估能力落后于 AI 能力”这一判断的印证。

上述所有信息均来自同一篇报道，没有其他独立来源交叉印证。这是本文最重要的约束条件。

在这一约束下，融资额、估值、领投方、参与方、A 轮数据、收入里程碑、平台机制、对齐排行榜的存在，属于该报道确认的事实；而“数千万月访客”和“世界需要中立第三方”属于公司自述的来源主张；至于估值增长是否反映实际业务进展、还是市场情绪推动，无法从来源判断，只能存疑。

同样存疑的还有：1 亿美元年化收入是否可持续、计算口径是否包含一次性收入；对齐排行榜三个维度的定义与量化方式；OpenAI 领先的幅度与统计显著性。这些都不是可以靠推理补全的空白，而是来源本身没有覆盖的维度。