从 UC 伯克利开源研究项目 Chatbot Arena 演变而来的 AI 模型评测平台 Arena，已成为主流大模型厂商验证产品表现的重要第三方渠道。公司最新披露，其商业化服务上线仅 8 个月，年化营收已达到 1 亿美元，显示出 AI 模型评测市场的快速放量。
Arena 依靠盲测排名建立行业影响力
Arena 最知名的产品，是基于真实用户盲测生成的大模型排行榜。用户输入同一段提示词后，系统会匿名调用两个模型同时作答，再由用户选择表现更优的一方。平台随后将大量投票汇总为 Elo 排名，用于衡量不同模型在真实交互场景中的相对表现。
根据文中数据，Arena 目前已积累超过 1000 万次用户评测、7 亿次对话和 8200 万张投票，每月访客超过 1000 万，覆盖全球 150 多个国家。平台还表示，每天约 80% 的用户提问都是全新问题，这意味着模型难以通过预设题库进行针对性优化，提升了评测结果的参考价值。
包括 OpenAI、谷歌、Anthropic、Meta 在内的多家头部 AI 公司，均将旗舰模型放到 Arena 接受社区测试。报道提到，OpenAI 甚至在 GPT-5 正式发布前，曾以代号“summit”在榜单上进行测试。对于模型厂商而言，Arena 已从研究社区工具，逐步转变为发布前后都难以绕开的验证场景。
商业模式从免费榜单延伸到付费评测
Arena 的收入核心来自 2025 年 9 月推出的 AI Evaluations 服务。该服务面向模型厂商和大型企业，提供付费深度评测，借助其社区样本和交互数据，分析模型在真实使用中的优势、短板及幻觉等问题。相较传统基准测试，这类服务更接近真实上线环境，因此被描述为“面向真实世界的 CI/CD 系统”。
按照其模式，准备公开发布的模型可以先获得社区层面的基础评测；若企业希望获得更细致的性能反馈和部署优化建议，则需购买商业服务。随着模型厂商持续争夺性能和用户体验，这种站在产业链中立位置的“卖水人”业务，正成为 AI 基础设施中增长最快的细分方向之一。
公司化后融资加速，估值升至 17 亿美元
Arena 公司的前身隶属于伯克利 LMSYS 研究小组。报道称，项目在 2025 年春季从学校体系中剥离并正式公司化，几周内完成 1 亿美元种子轮融资，估值达到 6 亿美元。商业产品上线仅 4 个月后，年化营收已升至 3000 万美元。
随后在 2025 年 1 月，Arena 完成由 Felicis 和 UC Investments 领投的 1.5 亿美元A 轮融资，投后估值达到 17 亿美元。从开源项目到独角兽级估值，这一时间线反映出资本市场对 AI 模型评测基础设施的高度认可。
三位创始人背景覆盖数学、系统与产业资源
管理层方面，CEO Anastasios Angelopoulos 具有较强的数学和机器学习研究背景，曾在斯坦福学习电子工程，并在伯克利攻读博士，研究重点是如何对黑箱模型进行严格评估。CTO Wei-Lin Chiang 则是开源聊天机器人 Vicuna 的作者，在分布式系统方向有长期积累，并曾在谷歌、亚马逊和微软任职。
第三位联合创始人为伯克利教授、Databricks 联合创始人 Ion Stoica。报道称，他在项目于 2025 年 4 月公司化前一直担任顾问。Arena 的创始团队也因此同时具备学术研究、开源影响力和产业化资源。
评测范围正从聊天机器人扩展到智能体
Arena 最新推出的 Agent Mode，显示其评测重点正从“谁更会聊天”转向“谁更能完成任务”。该模式覆盖写代码、调试、研究和文档分析等更复杂场景，涉及多轮交互和大量工具调用。相应地，平台也开始引入任务完成率、幻觉率等更客观的评估指标，而不再只依赖人类偏好投票。
随着 AI 从聊天助手向智能体演进，模型评测正在从展示型能力对比，转向生产环境中的稳定性与可靠性验证。Arena 当前的营收和估值表现，反映出市场正在为这类中立评测基础设施支付更高溢价。