Arena $3.1 тэрбумд үнэлэгдэв: AI хэмжих бизнес өөрөө томров

Arena 2026 оны 10 дугаар сарын 8-ны санхүүжилтийн мэдэгдэлдээ 200 сая ам.долларын Series B хөрөнгө босгож, 3.1 тэрбум ам.доллароор үнэлэгдсэнээ, жилжүүлсэн орлого нь 100 сая ам.доллар давснаа зарлахдаа “AI is advancing faster than our ability to evaluate it” хэмээн бичжээ. Раундыг Lightspeed Venture Partners, Khosla Ventures хамтран тэргүүлсэн. Олон нийтийн саналаар AI загвар эрэмбэлдэг платформ агентын бодит ажлыг хэмжих үйлчилгээ рүү тэлсэн нь энэ үнэлгээний ард буй бизнесийн өөрчлөлт юм.

TechCrunch-ийн 10 дугаар сарын 8-ны нийтлэлд Arena 2026 оны нэгдүгээр сард 150 сая ам.долларын Series A босгохдоо 1.7 тэрбум ам.доллароор үнэлэгдэж, жилжүүлсэн орлого нь 30 сая ам.доллар байсан, харин AI Evaluations арилжааны үйлчилгээг 2025 оны есдүгээр сард нэвтрүүлсэн гэжээ. Шинэ үнэлгээ өмнөхөөсөө бараг хоёр дахин, орлогын тухайн үеийн хурдаар хэмжсэн дүн гурав дахин илүү болсон. Жилжүүлсэн орлого бол одоогийн борлуулалтын хурдыг бүтэн жилд шилжүүлсэн тооцоо бөгөөд жилийн эцсийн тайлангийн орлоготой адил үзүүлэлт биш.

Олон нийтийн санал төлбөртэй үнэлгээний суурь болов

Arena-ийн хэрэглэгчид хоёр нэр нь далд загварын хариултыг зэрэгцүүлж, илүүд үзсэндээ санал өгдөг. Тэдгээр сонголтоос нийтэд харагдах эрэмбэ гарна. Энэ механизм загвар бүтээгчид тогтмол сорилоос гадна бодит хэрэглэгчдийн хүсэлтэд загвар хэрхэн хариулж байгааг харах боломж өгсөн. Гэхдээ хэрэглэгчид таалагдсан хариулт заавал үнэн зөв гэсэн үг биш тул Arena баримтын үнэн зөв байдлыг тусад нь хэмжих чиглэл нэмсэн.

Олон нийтийн санал нь өөрөө орлого биш; үнэ төлбөргүй харьцуулалт, олон янзын хүсэлт нь төлбөртэй үнэлгээ хийх өгөгдлийн суурь болдог. AI Evaluations үйлчилгээ загвар хөгжүүлэгч болон байгууллагад олон нийтийн санал дээр тулгуурласан илүү нарийвчилсан гүйцэтгэлийн шинжилгээ санал болгодог. Байгууллага өөрийн хэрэглээнд аль загвар тохирохыг мэдэхийг хүсдэг бол олон нийтийн эрэмбэ ерөнхий хэрэглэгчдийн сонголтыг нэгтгэдэг. Иймээс нэг платформын өгөгдөл өөр өөр худалдан авагчийн өөр асуултад хариулах боломж олгожээ.

Орлогын өсөлтийг зөвхөн саналын тоо өссөнөөр тайлбарлаж болохгүй. Үнэгүй хэрэглээ платформд харагдах байдал, харьцуулалтын мэдээлэл өгдөг бол байгууллагын үнэлгээ тэр мэдээллийг арилжааны үйлчилгээ болгодог. Компани нийт орлогоо үйлчилгээ тус бүрээр задалж нийтлээгүй тул аль бүтээгдэхүүн хэдийг бүрдүүлж байгааг тогтоох боломжгүй. Энэ ялгаа нь олон нийтэд харагдах эрэмбийн нэр хүндийг санхүүгийн үр дүнтэй андуурахгүй байхад чухал.

Агентын ажлыг хэмжихэд шинэ асуулт гарч ирэв

Хэрэглэгч аль хариултыг илүүд үзсэн нь агент олон алхамтай даалгаврыг зөв гүйцэтгэсэн эсэхийг бүрэн харуулахгүй. Код өөрчлөх, баримт шинжлэх, бүтээлч ажил хийх үед эцсийн хариултаас гадна агентын хийсэн үйлдэл, зөвшөөрлийн хүрээ, ажлын явцын тайлан чухал. Agent Arena энэ явцыг хүн ба агентын харилцан ажиллагаатай нь хамт ажиглах аргаар чадварыг үнэлдэг. Ингэснээр харьцуулалтын нэгж нь ганц хариултаас бодит даалгаврын мөр болон өргөжсөн.

Arena Alignment Index-ийн танилцуулгад урьдчилсан үнэлгээ 27 загварын 90 мянган бодит агентын сешнд тулгуурлаж, зөвшөөрөлгүй үйлдэлд 50 хувь, хэрэглэгчид худал хамаатуулсан мэдэгдэл болон дуусаагүй ажлыг хийсэн гэх тайланд тус бүр 25 хувийн жин өгдөг гэжээ. Энэ нь агентын чадварын онооноос өөр хэмжүүр: ажил гүйцэтгэхдээ хэрэглэгчийн тогтоосон хил хязгаарыг баримталсан эсэхийг шинжилнэ. Хэмжүүр нь аюулгүй байдлын бүх талыг хамрахгүй, ажлын мөрөөс баримтаар тогтоож болох зан үйлд төвлөрнө.

Индексийн аргаар шүүгч загвар сэжигтэй үйлдэл, мэдэгдлийг тэмдэглэхдээ түүнийг батлах тодорхой баримт заах ёстой; журмыг хүний хяналтаар боловсруулж, урт харилцан ярианд алдаа илрэх боломж илүү байдгийг тооцоонд тусгасан. Тухайлбал, агент зөвшөөрөлгүй файл устгасан эсвэл хийж дуусаагүй шалгалтаа дууссан гэж мэдэгдсэн бол хэрэглэгчид таалагдсан эцсийн хариулт эдгээр зөрчлийг далдалж чадна. Тиймээс чадварын эрэмбэ ба зан үйлийн индекс нэг загварын тухай ч өөр өөр асуултад хариулдаг.

Эрэмбэ ба худалдан авагчийн ашиг сонирхол

Arena-ийн бизнес одоо олон нийтийн санал, байгууллагад зориулсан гүйцэтгэлийн үнэлгээ, агентын зан үйлийн индекс гэсэн гурван давхаргатай. Эхнийх нь өргөн хэмжээний харьцуулалт, хоёр дахь нь төлбөртэй шинжилгээ, гурав дахь нь итгэлцлийн шинэ хэмжүүр юм. Индекс тусдаа төлбөртэй бүтээгдэхүүн болсон эсэх нь тодорхойгүй; түүнийг орлогын бие даасан эх үүсвэр гэж үзэх үндэс одоогоор алга. Гэвч энэ давхарга платформын хэмждэг зүйл, улмаар түүний үнэлгээ худалдан авах сонирхлыг өргөжүүлж болно.

Нэг байгууллага эрэмбэ гаргаж, загвар хөгжүүлэгчдэд үнэлгээний үйлчилгээ зэрэг үзүүлэхэд ашиг сонирхлын зөрчил үүсэх боломжтой. Төлбөр төлдөг харилцагчийн загвар нийтэд харагдах эрэмбэд багтах нөхцөл өөрөө үр дүнг өөрчилсөн баримт болохгүй. Харин үнэлгээнд ямар загвар орсон, ямар даалгавар ашигласан, төлбөртэй захиалагч нийтэд гаргах үр дүнд нөлөөлөх эрхтэй эсэх нь эрэмбийн хараат бус байдлыг дүгнэхэд шууд хамаарна.

Arena-ийн эрэмбийг тайлбарлах таван нөхцөл

Эрэмбийн нэг байрлал бүх хэрэглээнд ижил давуу талыг илэрхийлэхгүй. Arena-ийн санал, байгууллагын шинжилгээ, агентын индекс хоорондын ялгааг дараах нөхцөлүүд тодруулна:

• Ямар ажлыг хэмжсэн бэ? Хэрэглэгчийн сонголт, кодын даалгавар, баримтын шинжилгээ, агентын олон алхамтай ажил өөр өөр чадварыг харуулна.
• Яг юуг харьцуулсан бэ? Загвар дангаараа ажилласан уу, эсвэл хэрэгсэл, заавар, агентын тодорхой тохиргоотой хамт үнэлэгдсэн үү гэдгээс үр дүнгийн эзэн өөрчлөгдөнө.
• Үр дүн ямар өгөгдөлд тулгуурласан бэ? Санал болон сешний хүрээ, ойролцоо онооны тодорхойгүй байдал ил байвал жижиг зөрүүг бодит давуу тал гэж үзэх эсэхийг ялгаж болно.
• Онооны ард ямар арга бий вэ? Зөвшөөрөлгүй үйлдэл, худал хамааруулалт, дуусгаагүй ажлаа дууссан гэх мэдэгдэл өөр өөр жинтэй тул нийлбэр оноо яг юуг онцолж байгааг мэдэх хэрэгтэй.
• Үнэлүүлэгч ба үнэлүүлж буй талын харилцаа ил тод уу? Төлбөртэй үнэлгээний хамрах хүрээ, загвар сонголт, нийтлэх журам тодорхой байх тусам олон нийтийн эрэмбийн утгыг тусад нь дүгнэх боломжтой.

Агентын үнэлгээ өргөжихийн хэрээр Arena-ийн дараагийн чухал өгөгдөл нь өөр өөр ажлын төрөлд загварууд хэрхэн үнэлэгдсэн, төлбөртэй шинжилгээ ба нийтэд гаргах эрэмбийн зааг хэрхэн тогтоосон тухай мэдээлэл байх болно. Энэ зааг тодрох тусам нэг байрлалын цаана хэрэглэгчийн сонголт, ажлын үр дүн эсвэл агентын зан үйлийн аль нь байгааг ойлгоход амар болно.

Мөн уншаарай:

• EliseAI $4 тэрбумд хүрэв: орон сууцны AI орлогоо таван жил дараалан нугалжээ
• Nscale $3.36 тэрбум босгов: $1 тэрбум нь IPO хүртэл хүлээнэ