AI 模型排行榜 LMArena 的运营方 Arena 于周四宣布，已完成 2 亿美元 B 轮融资，投后估值达 31 亿美元。这一估值较其今年 1 月 A 轮融资时的 17 亿美元投后估值，在约 10 个月内接近翻倍。

本轮融资由 Lightspeed Venture Partners 与 Khosla Ventures 领投，Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicis 等机构参与跟投。Arena 的起点是 2023 年加州大学伯克利分校的一个研究项目，最初以众包方式对 AI 模型进行排名，如今已发展为面向消费者的免费平台：用户输入提示词或提出「氛围编程」类项目需求，再对哪个模型完成得更好进行打分。公司称其月访问量达到数千万级别。

商业化方面，Arena 于去年 9 月推出企业级产品 AI Evaluations，基于社区反馈为模型实验室与企业提供详细的性能分析服务。公司披露，今年 6 月其年化营收已达到 1 亿美元；而在 1 月完成 A 轮时，这一数字为 3000 万美元。从 3000 万美元到 1 亿美元的年化营收跃升，与估值翻倍基本同步，说明资本市场对其商业化路径给出了较高认可。

这一时点颇为关键。今年以来，多家 AI 实验室意识到自家模型存在「刷榜」行为——即找到在评测中拿高分却并未真正具备相应能力的方法；与此同时，企业客户也希望获得更贴合自身内部需求的模型选型依据，而不是只依赖标准化基准测试。Arena 在融资公告中表示，AI 的进步速度已快过人类评估它的能力，而静态基准一旦被模型识别出「正在被测试」就会失效，因此需要一个中立的第三方，在模型真正交到真实用户手中后衡量其安全性与对齐程度。

为此，Arena 在其排行榜中新增了「对齐」类别，从若干具体问题维度对模型进行排名，包括未经授权的操作（执行未被要求的动作）、错误归因（把陈述或事实错误地归于错误来源），以及公司所称的「欺骗性完成」（对并未完成的任务谎称已完成）。目前在其初步对齐排行榜上，OpenAI 的一系列模型位居前列，Claude Opus 5.5 与 Claude Fable 分别排在第六和第九位。

从产业视角看，Arena 的融资节奏折射出两层变化。其一是评测环节的价值正在被重新定价：当模型能力趋同、厂商营销话术难以自证时，来自真实用户交互的众包数据成为稀缺资产，而 Arena 恰好积累了这类数据并把它打包成企业服务。其二是「对齐」正从学术议题走向产品化指标，模型是否会在无人监督时越权、是否会为完成任务而编造结果，开始被纳入可比较的榜单体系，这对企业采购与模型厂商的迭代方向都可能产生牵引。

不过，众包评测的中立性与可复现性也长期存在争议：用户构成、提示词分布与投票动机都可能影响排名结果，而 Arena 自身既是榜单运营方又是向模型实验室收费的服务商，其角色边界如何界定，将影响它作为「中立第三方」的说服力。对齐排行榜目前仍属初步阶段，样本与方法论尚未完全公开，其结论的稳定性有待观察。