什么值得买App下载 App ›
连续签到专享现金活动

全硅谷都在造模型 他们给模型阅卷8个月狂揽1亿美元

硅谷巨头砸钱造大模型,年营收1亿美元的却是个不造模型的裁判。2026年6月,AI评测平台Arena宣布商业化8个月,ARR突破1亿美元,估值冲上17亿。OpenAI、谷歌、Anthropic排着队把自家旗舰模型送上它的擂台,等它打分。这门生意的本质,是卡住AI竞争的关键节点——当所有人都需要答案时,那个出题的人和阅卷的人,比做题的更值钱。1
Arena的玩法简单到骨子里:用户输入提示词,系统盲测派出两个匿名模型同时作答,用户投票选哪个更好。千万张选票汇成Elo式排行榜,没有模型能提前背题,80%的提问每天都是全新的。截至2026年6月,平台攒下超1000万次评测、7亿次对话、8200万张投票,月访客破千万,覆盖150多个国家。这不是刷榜,是把整个AI社区变成一个持续运转的真人测试网络。12
真正让Arena从学术项目变成印钞机的,是2025年9月推出的AI Evaluations商业服务。模型厂商和大企业付费,就能调动平台数千万用户的真实反馈,对自家模型做深度评测,拿到跑分根本给不了的分析报告——模型哪里在胡说八道,哪里是真强。这是一种典型的卖水人逻辑:淘金热里挖金子的人不一定赚钱,但卖水卖铲子的稳赚不赔。大模型厂商越疯狂内卷,对这种上线后调优服务的胃口就越大。23
不过这条路不是谁都能跑通。2024年成立的同类平台Yupp,累计吸引超130万用户,也拿下过付费合作,却始终没找到足够强的产品市场契合点,2026年4月15日正式停运。Arena能成,关键在于先免费养信任,再收费卖深度。排行榜对公众永久免费,靠海量数据建立公信力;企业服务则提供可追溯的测试样本和服务等级协议,解决选型优化的刚需。两层产品形成闭环,竞争对手抄不来。45
Arena最新动作是Agent Mode。评测从"谁聊天聊得好"扩展到写代码、调bug、做研究、分析文档这些长任务,用任务完成率、幻觉率等客观指标打分。AI正从聊天机器人进化成能扛活的智能体,任务越来越长、赌注越来越高。模型越多,越需要人判;评测越复杂,裁判越值钱。AI越强,裁判越贵——这听起来像悖论,却是Arena押注的事实。36
三位创始人均来自伯克利:CEO Anastasios Angelopoulos专注黑箱模型可解释性,CTO Wei-Lin Chiang是开源项目Vicuna的开发者,顾问Ion Stoica是Databricks联合创始人。LMSYS背后是伯克利加Databricks系,资源和信用不是普通学生项目能比的。当全硅谷都在卷造更强的模型,这俩90后室友选了给模型阅卷。主赛道拥挤,旁支反而肥——掌握评测标准,比开发模型本身更具商业价值。367

评论

评论区空态插画

当前文章无评论,是时候发表评论了