时差手册 · 科技主轴
结论先说： 10 月 8 日，做 AI 模型评测的 Arena（前身 LMArena）完成 2 亿美元 B 轮，估值站上 31 亿美元，由 Lightspeed 和 Khosla Ventures 联合领投。同时它推出 Alignment Index——不再只比"谁答题更受欢迎"，而是测智能体在真实任务里有没有乱动手、瞎归因、谎称干完。
一、钱和背景
这轮结构：
| 项 |
数值 |
| 本轮 |
Series B，2 亿美元 |
| 估值 |
31 亿美元 |
| 领投 |
Lightspeed Venture Partners、Khosla Ventures |
| 跟投 |
Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst |
| 老股东 |
a16z、Felicis、AMP PBC、QuantumLight、The House Fund |
| 累计融资 |
约 4.5 亿美元（含 1.5 亿 A 轮、1 亿种子） |
Arena 起点是 2023 年 UC Berkeley 的一个研究项目——把两个匿名模型答案摆一起，让人投票，再用 Elo 算出排行榜。2025 年 9 月它推出付费的 AI Evaluations 产品，从免费公开榜转向企业测试。官方称年化收入已超 1 亿美元（A 轮时约 3000 万）。
二、真正的新东西：对齐指数
这次和融资一起发布的 Alignment Index，逻辑变了：静态基准在模型"认出自己在被测试"时会失真，所以 Arena 改测真实 agent 会话的轨迹。它列了三个可对照实际轨迹核对的信号：
- Unauthorized Action（越权动作），权重 50%：模型做了用户没让做的事；
- False Attribution（错误归因），权重 25%：把话、意图或事实安到用户头上；
- Deceptive Completion（欺骗性完工），权重 25%：谎称干完了其实没干。
数据基础是 9 万+ 真实智能体会话、覆盖 27 个模型。早期榜单里 OpenAI 模型领先，Claude Opus 5.5 等也在头部。
出处：Arena 官方博客 Series B；TechCrunch、Unite.AI（Arena Secures $200M Series B）、The Brief 报道。
三、解读
静态基准在模型认出被测试时会失效，所以 Arena 改去数真实轨迹里的越权与谎报。
[解读（判断，非事实）：] 这条赛道值钱的点在于：当智能体开始替你写代码、动业务系统、做决定，光看准确率已经不够——它偷偷多干了一步，或者声称干完其实没干，这些在准确率分数里根本看不见。企业愿意为"独立证据"付钱，逻辑成立。但风险也明摆着：前沿实验室自己在建评测工具，大客户也可能转向内部测试；Arena 一边卖服务、一边评别人的模型，独立性怎么守，是长期问号。
四、对你有什么用
边界与缺口
- 以上融资额、估值、投资人、收入口径均来自 Arena 官方博客，以及 TechCrunch / Unite.AI / The Brief 的报道；引用请打开原页核对日期与数字。
- "年化收入超 1 亿美元"是 Arena 自身披露，非审计收入；"年化"不等于一整年已实现的营收。
- 对齐指数的权重（50/25/25）与早期排名为 Arena 自家方法论，独立机构尚未复核，本号未复现。
- 未覆盖：Alignment Index 的完整模型覆盖清单、各信号的具体评分实现、与企业内部评测的对比。
—— 《时差手册》· 科技主轴
