AIリーダーボードのArena、31億ドル評価で2億ドルを調達 10か月で評価額ほぼ倍

シリーズBで31億ドル評価

Arenaは2023年、カリフォルニア大学バークレー校の研究プロジェクトとして始まった。AIモデルのランキングをクラウドソーシングで作る取り組みだ。同社は2億ドルのシリーズBを、31億ドルの評価額で実施したと10月8日に発表した。

ラウンドを主導したのはLightspeed Venture PartnersとKhosla Venturesで、Salesforce Ventures、01 Advisors、Dell Technologies Capital、Endeavor Catalyst、a16z、Felicisなどが参加した。前回は2026年1月の1億5000万ドルのシリーズAで、ポストマネー評価額は17億ドルだった。当時の年換算収益は3000万ドルだったといい、約10か月で評価額がほぼ倍になった計算になる。

6月には年換算収益が1億ドルに達したとしている。年換算収益(annualized run-rate revenue)は直近の収益を年単位に換算した指標で、確定した年間売上高とは意味が異なる点には注意したい。

アラインメント評価を追加

Arenaのプラットフォームは消費者が無料で使える。利用者がプロンプトを入力したり、いわゆる「バイブコーディング」的なプロジェクトを依頼したりして、どのモデルがうまく答えたかを評価する仕組みだ。同社は月間訪問者数が数千万人規模だと主張している。

昨年9月には商用製品「AI Evaluations」を投入した。コミュニティのフィードバックをもとに、モデル開発ラボや企業へ詳細な性能分析を提供するサービスだ。

さらにリーダーボードに「アラインメント」部門を追加した。依頼されていない行動を取る「不正な操作」、事実や発言を誤った出所に帰属させる「誤帰属」、やっていない作業を完了したと偽る「deceptive completion」といった観点でモデルを順位付ける。暫定版ではOpenAIのモデル群が上位を占め、Claude Opus 5.5が6位、Claude Fableが9位としている。

評価需要の追い風

商用評価サービスの投入時期は追い風だったと記事は指摘する。2026年に入り、AIラボは自分たちのモデルがベンチマークテストを「攻略」していることに気づいた。本当の実力を伴わずに高いスコアを積み上げる方法が見つかっていたという。

企業側も、標準化されたベンチマークだけに頼るのではなく、自社の用途にどのモデルが最適かを判断したいと考えている。同社は資金調達の発表で「AIは、それを評価する能力より速く進歩しており、モデルがテストされていると気づくと静的なベンチマークは機能しなくなる」と述べた。

同社は「実際の利用者の手に渡ったAIがどれほど安全でアラインメントされているかを測る中立な第三者が必要だ」として、自らがその役割を担うと位置づけている。第三者評価サービスにとって、中立性をどう担保するかは今後も問われ続ける論点になるとみられる。

現時点で分かっていないこと

今回の発表では、AI Evaluationsの料金体系や契約企業数、収益の内訳は示されていない。1億ドルの年換算収益のうち、無料プラットフォームと商用サービスのどちらがどれだけを占めるのかは不明だ。

アラインメント部門は「暫定(preliminary)」とされており、評価手法の詳細や順位の安定性は明らかにされていない。評価軸も3つが挙げられているのみで、網羅性は今後の検証課題とみられる。

日本企業がAI Evaluationsを利用できるか、日本語に強いモデルがどう評価されるかについても原文には記載がない。海外の評価プラットフォームを自社のモデル選定に使う場合は、評価対象やデータの扱いを個別に確認する必要がある。