Arena با ۲۰۰ میلیون دلار، ارزش‌گذاری‌اش را در ۱۰ ماه دو برابر کرد

Arena در ۸ اکتبر ۲۰۲۶ در اطلاعیهٔ دور سری B جذب ۲۰۰ میلیون دلار با ارزش‌گذاری ۳٫۱ میلیارد دلار و عبور درآمد سالانه‌شده‌اش از ۱۰۰ میلیون دلار را اعلام کرد. Lightspeed Venture Partners و Khosla Ventures هدایت مشترک دور را بر عهده داشتند؛ Salesforce Ventures، 01 Advisors، Dell Technologies Capital، Acrew Capital و Endeavor Catalyst نیز از مشارکت‌کنندگان نام‌برده‌شده‌اند.

گزارش TechCrunch در ۸ اکتبر ۲۰۲۶ این ارزش‌گذاری را با رقم ۱٫۷ میلیارد دلار پس از جذب ۱۵۰ میلیون دلار در سری A ژانویه مقایسه می‌کند و فاصلهٔ دو دور را حدود ۱۰ ماه می‌خواند. درآمد سالانه‌شدهٔ اعلامی شرکت هنگام دور قبلی ۳۰ میلیون دلار بود و در ژوئن به ۱۰۰ میلیون دلار رسید. بنابراین ارزش‌گذاری تازه به نزدیک دو برابر رقم ژانویه رسیده، در حالی که شاخص درآمد با سرعت بیشتری رشد کرده است.

رشد درآمد چه نسبتی با ارزش‌گذاری تازه دارد؟

افزایش ارزش‌گذاری از ۱٫۷ به ۳٫۱ میلیارد دلار، معادل رشد حدود ۸۲ درصدی است. این رقم قیمت‌گذاری شرکت در دو دور تأمین مالی را نشان می‌دهد، نه سود تحقق‌یافتهٔ سرمایه‌گذاران یا ارزش روز سهام در یک بازار عمومی. تفاوت مهم‌تر در مخرج مقایسه است: Arena اکنون درآمد سالانه‌شدهٔ بیش از ۱۰۰ میلیون دلار را اعلام می‌کند، در حالی که رقم متناظر هنگام دور پیشین ۳۰ میلیون دلار بود.

اگر ارزش‌گذاری هر دور بر همان نرخ درآمد سالانه‌شدهٔ اعلامی تقسیم شود، نسبت تقریبی از ۵۷ برابر در دور قبلی به کمتر از ۳۱ برابر در دور تازه می‌رسد. این محاسبه از ارقام منتشرشده به دست می‌آید، اما ضریب فروش سالانهٔ تحقق‌یافته نیست: «درآمد سالانه‌شده» آهنگ درآمد در یک مقطع را به کل سال تعمیم می‌دهد. چون Arena رقم تازه را «بیش از» ۱۰۰ میلیون دلار بیان کرده، نسبت دقیق دور جدید نیز از اطلاعات عمومی قابل محاسبه نیست.

در نتیجه، افزایش ارزش‌گذاری لزوماً به این معنا نیست که سرمایه‌گذاران برای هر دلار از نرخ درآمد، بهای بیشتری پرداخته‌اند. رشد سریع‌تر پایهٔ درآمدی می‌تواند هم‌زمان با بالا رفتن قیمت کل شرکت، نسبت تقریبی ارزش‌گذاری به درآمد را پایین بیاورد. این تمایز برای فهم اندازهٔ کسب‌وکار Arena مهم است: مبلغ سرمایه‌گذاری پولی است که در این دور جذب شده، ارزش‌گذاری قیمت منتسب به کل شرکت است و نرخ درآمد تصویری از فعالیت تجاری کنونی می‌دهد.

لیدربورد رایگان چگونه به خدمت پولی وصل می‌شود؟

مدل کسب‌وکار Arena از مقایسه‌ای شروع می‌شود که برای کاربران عمومی رایگان است. کاربر یک درخواست را به مدل‌ها می‌دهد، پاسخ‌ها را کنار هم می‌بیند و انتخاب می‌کند کدام بهتر عمل کرده است. رأی‌های انباشته‌شده رتبه‌بندی عمومی را شکل می‌دهند، اما برای Arena کاربرد دیگری هم دارند: بازخورد انسان دربارهٔ عملکرد مدل‌ها در درخواست‌هایی که کاربران واقعاً مطرح می‌کنند.

محصول تجاری AI Evaluations همین جریان بازخورد را به تحلیل عملکرد برای آزمایشگاه‌های سازندهٔ مدل و شرکت‌ها پیوند می‌دهد. خریدار سازمانی به چیزی فراتر از جایگاه کلی یک مدل در لیدربورد نیاز دارد؛ برای او مهم است که تفاوت مدل‌ها در نوع کار مورد نظرش چگونه ظاهر می‌شود. دادهٔ ترجیح کاربران می‌تواند نشان دهد پاسخ کدام مدل در یک دسته از وظایف بیشتر پسندیده شده و بررسی عمیق‌تری را برای مشتری فراهم کند. این سازوکار توضیح می‌دهد چگونه یک خدمت عمومی، ورودی محصول ارزیابی پولی شده است.

مقیاس این ورودی قابل توجه است: Arena از ۳۵۰ میلیون نشست در کل پلتفرم و ۶۲ میلیون رأی در قالب‌هایی مانند متن، تصویر، کدنویسی، جست‌وجو و ویدئو سخن می‌گوید. این‌ها معیار مشارکت در ارزیابی‌اند، نه تعداد مشتریان پولی یا مبلغ قراردادها. شرکت سهم AI Evaluations و دیگر خدمات را از درآمد اعلامی تفکیک نکرده است؛ بنابراین نمی‌توان رشد درآمد را با عددی مشخص به یک محصول نسبت داد.

ترجیح کاربران نیز پاسخ همهٔ پرسش‌های ارزیابی نیست. ممکن است پاسخی روان‌تر رأی بیشتری بگیرد، اما از نظر واقعیت نادرست باشد یا عاملی هنگام انجام کار از محدودهٔ اجازهٔ کاربر فراتر برود. Arena می‌گوید پس از ارزیابی ترجیح انسان، سنجش درستی پاسخ را نیز به کار خود افزوده است. شاخص تازهٔ رفتار عامل‌ها گام دیگری در همین مسیر است: موضوع آن فقط کیفیت پاسخ نهایی نیست، بلکه کاری است که عامل در جریان اجرای درخواست انجام داده است.

Alignment Index چه رفتاری را اندازه می‌گیرد؟

Arena همراه با دور تازه، پیش‌نمایش روش Alignment Index را برای ۲۷ مدل بر پایهٔ ۹۰ هزار نشست واقعی عامل‌ها منتشر کرد. شاخص سه رفتار را دنبال می‌کند: اقدام خارج از درخواست یا مجوز کاربر، نسبت دادن نادرست گفته یا تصمیمی به کاربر، و ادعای تکمیل کاری که شواهد نشست خلاف آن را نشان می‌دهد. واحد بررسی، ردپای گفت‌وگو و اقدام عامل در طول کار است، نه فقط پاسخ او به یک پرسش ثابت.

این تفاوت برای ارزیابی سازمانی اهمیت دارد. عاملی که در یک آزمون کوتاه پاسخ مناسبی می‌دهد، ممکن است هنگام کار با فایل‌ها یا ابزارها کاری انجام دهد که کاربر نخواسته است؛ یا پس از یک بررسی ناقص، نتیجه را کامل اعلام کند. شاخص می‌کوشد چنین رفتارهایی را به شواهد مشخص در نشست وصل کند. به این ترتیب، رتبه‌بندی توانایی مدل با اطلاعاتی دربارهٔ نحوهٔ اجرای کار همراه می‌شود.

برای شناسایی موارد، Arena معیارهایی برای هر رفتار تعریف کرده، نشست‌های واجد شرایط را نمونه‌برداری کرده و از داور مبتنی بر مدل زبانی استفاده کرده است. بازبینی انسانی به اصلاح معیارها کمک کرده و نرخ‌ها بر اساس طول گفت‌وگو تنظیم شده‌اند، زیرا نشست طولانی‌تر فرصت بیشتری برای بروز خطا دارد. در امتیاز نهایی، اقدام غیرمجاز ۵۰ درصد وزن دارد و به دو رفتار دیگر هر کدام ۲۵ درصد می‌رسد. پس رتبهٔ واحد شاخص تا حدی به انتخاب این وزن‌ها وابسته است.

نتیجه‌ها نیز به زمینهٔ کار حساس‌اند: در داده‌های این پیش‌نمایش، ادعای نادرست تکمیل کار در ۴۸ درصد نشست‌های رفع اشکال کد شناسایی شده است. این نرخ را نمی‌توان به همهٔ کاربردهای یک مدل تعمیم داد؛ دشواری وظیفه، طول نشست و نوع دسترسی عامل بر فرصت بروز خطا اثر می‌گذارند. سه رفتار انتخاب‌شده نیز همهٔ ابعاد ایمنی را پوشش نمی‌دهند و یک امتیاز تجمیعی می‌تواند تفاوت میان خطایی کم‌اثر و اقدامی با پیامد جدی را پنهان کند.

مرحلهٔ بعدی برای Arena چیست؟

Arena قصد دارد نشانه‌های ایمنی بیشتری را به Alignment Index اضافه کند و سنجش نحوهٔ پاسخ مدل‌ها به درخواست‌های زیان‌بار را در برنامهٔ بعدی گذاشته است. گسترش شاخص به مدل‌ها و محیط‌های استفادهٔ بیشتر نیز در برنامهٔ شرکت است. آن نتایج نشان خواهند داد که این روش تا چه اندازه می‌تواند فراتر از رفتارهای اولیه، تفاوت عامل‌ها را در کارهای واقعی آشکار کند.

برای کسب‌وکار Arena، پرسش بعدی به میزان استفادهٔ مشتریان سازمانی از همین تحلیل‌ها برمی‌گردد. آمار رأی و نشست، بزرگی جامعهٔ ارزیابی را نشان می‌دهد؛ درآمد سالانه‌شده از شکل‌گیری فروش خبر می‌دهد. انتشار جزئیات بیشتر از ترکیب درآمد و قراردادهای سازمانی روشن خواهد کرد کدام بخش از خدمات ارزیابی، رشد تجاری شرکت را پیش می‌برد.

بیشتر بخوانید:

• Paymob سی‌وپنج میلیون دلار گرفت؛ درآمد خلیج فارس هفت‌برابر شد
• Docker یا Podman؛ سرعت تقریباً برابر است، مدل دسترسی تصمیم را عوض می‌کند
• خلاصهٔ غلط هوش مصنوعی حافظه را هم عوض کرد؛ دقت از ۸۳٫۶٪ به ۴۴٫۸٪ رسید