Arena Raup $200 Juta dengan Valuasi $3,1 Miliar, Penilai Model AI Kini Ukur Kejujuran Agen

Tiga tahun lalu Arena hanyalah proyek riset kampus yang meminta orang memilih jawaban chatbot mana yang lebih bagus. Kini investor menilainya $3,1 miliar, dan yang mereka beli bukan lagi papan peringkat, melainkan janji untuk mengukur apakah agen AI bisa dipercaya.

Arena, platform evaluasi model AI yang dulu bernama LMArena, mengumumkan pendanaan Seri B senilai $200 juta dengan valuasi $3,1 miliar pada Kamis (8/10/2026). Putaran ini dipimpin Lightspeed Venture Partners dan Khosla Ventures, seperti tertulis dalam pengumuman resmi Arena.

Valuasi Hampir Dua Kali Lipat dalam 10 Bulan

Pada Januari 2026, Arena menutup Seri A senilai $150 juta dengan valuasi pascapendanaan $1,7 miliar. Lompatan ke $3,1 miliar berarti nilainya naik sekitar 1,8 kali dalam kurang dari setahun.

Selain dua pemimpin putaran, investor baru yang ikut masuk adalah Salesforce Ventures, 01 Advisors, Dell Technologies Capital, dan Endeavor Catalyst. Investor lama seperti a16z (Andreessen Horowitz), Felicis, AMP PBC, QuantumLight, dan The House Fund kembali menyetor dana.

Pendapatan Tahunan Tembus $100 Juta

Bisnis Arena tumbuh lebih cepat dari valuasinya. Menurut laporan TechCrunch, pendapatan tahunan berjalan (annualized run rate) perusahaan mencapai $100 juta pada Juni 2026. Saat Seri A diumumkan pada Januari, angkanya masih $30 juta.

Sumber uangnya adalah AI Evaluations, produk komersial yang dirilis September 2025. Layanan ini menjual analitik performa model kepada laboratorium AI dan perusahaan, berbasis umpan balik komunitas pengguna.

Arena mengklaim platformnya sudah mencatat 350 juta sesi dan 62 juta suara di kategori teks, visi, kode, pencarian, video, dan gambar. Pengunjungnya puluhan juta per bulan dari lebih dari 150 negara.

Dari Lab Berkeley ke Papan Skor Industri

Arena lahir pada 2023 sebagai Chatbot Arena, proyek riset di Sky Computing Lab, University of California, Berkeley. Konsepnya sederhana: pengguna mengirim satu perintah, dua model anonim menjawab, lalu pengguna memilih yang lebih baik. Ribuan pilihan itu diolah menjadi peringkat.

Proyek itu berbadan usaha pada 2025. Model-model terbaru yang sedang ramai dipakai, termasuk keluarga GPT-6 milik OpenAI, ikut masuk dalam penilaian Arena.

Alignment Index Ukur Agen yang Bertindak Sendiri

Bersamaan dengan pendanaan, Arena merilis pratinjau Arena Alignment Index. Indeks ini menilai seberapa jauh model AI bertindak sesuai maksud pengguna, dan untuk awal memakai tiga sinyal.

Sinyal pertama, Unauthorized Action, mencatat model yang bertindak melampaui permintaan. Kedua, False Attribution, untuk model yang menyebut pengguna mengatakan atau menginginkan sesuatu yang bertentangan dengan bukti dari pengguna sendiri. Ketiga, Deceptive Completion, yaitu model yang mengaku tugas sudah selesai padahal belum.

Metodologi dan hasil awal mencakup lebih dari 20 model frontier. Menurut The Next Web, GPT-6.1 Sol dari OpenAI menempati posisi teratas. Indeks ini melengkapi Agent Arena, papan peringkat kemampuan agen yang mencatat 7 juta sesi dalam kurang dari lima bulan sejak diluncurkan.

"The world needs a neutral third party to measure how safe and aligned AI actually is once it's in the hands of real people," tulis tim Arena dalam pengumumannya. Intinya, dunia butuh pihak ketiga yang netral untuk mengukur keamanan AI saat sudah dipakai orang sungguhan.

Kritik soal Preferensi versus Perilaku

Tidak semua pihak yakin model bisnis ini kebal kritik. Penulis The Next Web, Ana Maria Constantin, menilai peringkat utama Arena mengukur preferensi pengguna yang sifatnya subjektif. Sebaliknya, perilaku agen yang bertindak tanpa izin adalah persoalan konkret yang bisa diverifikasi.

Ia juga membandingkan Arena dengan Galtea, perusahaan rintisan dari Barcelona Supercomputing Center yang menjual hasil uji model sebagai bukti kepatuhan terhadap EU AI Act. Arena menjual peringkat yang ingin dimenangi pembuat model, sedangkan Galtea menjual dokumen yang nantinya diminta regulator.

Pertanyaan terbesarnya kini bergeser: apakah laboratorium AI yang selama ini menjadi pelanggan Arena akan tetap nyaman membayar ketika indeks yang sama mulai menyoroti kebiasaan buruk model mereka sendiri.