Arena почти удвоила оценку за 10 месяцев: компания с рейтингами ИИ стоит $3,1 млрд

Alignment Index дополняет привычное сравнение ответов проверкой поведения агента. Arena исследовала 90 000 реальных сессий с 27 моделями. Ложные заявления о завершении работы встречались в среднем в 10% сессий, при отладке кода — почти в половине.

Не хотите разбираться сами? Внедряем ИИ в ваш бизнес: задачи без лимита, одна цена в месяц, отмена в любой момент.

Что проверяет Arena. Индекс учитывает действия без разрешения, ложное приписывание результатов и обманные заявления о завершении задачи. Нарушения размечала модель-судья по критериям, которые исследователи уточняли с участием людей.

В предварительном Alignment Index на 8 октября модели получили следующие баллы:

| Модель | Баллы | | --- | --- | | GPT-6.1 Sol | 87,9 ± 1,5 | | Claude Opus 5.5 | 83,2 ± 2,0 | | Grok 4.7 | 82,7 ± 1,3 |

Деньги за сравнение. 8 октября Arena объявила Series B на $200 млн под руководством Lightspeed Venture Partners и Khosla Ventures. В январе компания привлекла $150 млн при оценке после инвестиций $1,7 млрд. Теперь инвесторы оценили её в $3,1 млрд, почти вдвое выше за 10 месяцев.

29 июня руководитель Arena Анастасиос Ангелопулос сообщил о темпе выручки $100 млн в пересчёте на год, достигнутом за 8 месяцев. К 8 октября Agent Arena набрала 7 млн сессий менее чем за 5 месяцев после запуска. Вся платформа накопила 350 млн сессий и 62 млн голосов пользователей.

Arena работает и как среда для задач с кодом, а не только как площадка с рейтингами ИИ-моделей. В инструкции от 24 августа компания описала работу в Agent Mode:

1. Включить GitHub Connector. 2. Выбрать репозиторий и ветку, отправить задачу. 3. Проверить diff и preview. 4. Выполнить push и создать PR.

Alignment Index уже доступен на сайте Arena с фильтрами по моделям и лабораториям.