A Arena, startup mais conhecida pelo placar público usado por muitos laboratórios de IA para comparar o desempenho de modelos, diz que se tornou um negócio de US$ 100 milhões em termos de taxa de execução anualizada apenas oito meses após o lançamento de seu produto pago. De acordo com o TechCrunch, a empresa atingiu essa marca após introduzir um serviço comercial em setembro que transforma dados de avaliação do usuário e testes da comunidade em análises para desenvolvedores de modelos e clientes corporativos.

A afirmação é importante além da história de crescimento de uma única startup. A Arena começou como um esforço de pesquisa na UC Berkeley em 2023 e tornou-se um elemento familiar no ecossistema de IA porque oferecia uma maneira aberta e de crowdsourcing para comparar modelos lado a lado. Se a receita relatada pela empresa for precisa, isso mostra que a avaliação em si está se tornando uma camada fundamental da pilha de IA Generativa (Generative AI): não apenas um placar público para entusiastas de modelos, mas um fluxo de trabalho pelo qual laboratórios e empresas estão dispostos a pagar à medida que buscam ganhos de qualidade no pós-treinamento e na implementação.

Do placar público à plataforma de avaliação paga

A Arena construiu sua reputação com um modelo de interação simples. Em seu site de consumo, um usuário envia um prompt, o sistema o envia para dois modelos de IA e o usuário escolhe qual resultado é melhor. Com o tempo, esses julgamentos aos pares alimentam um placar que o TechCrunch relata ter sido gerado a partir de mais de 10 milhões de avaliações de usuários.

Esse sistema de classificação pública permanece gratuito, de acordo com o relatório. A mudança comercial ocorreu em setembro, quando a Arena lançou o AI Evaluations, um serviço voltado para laboratórios de modelos e empresas. O TechCrunch descreve o produto como fornecendo análises de desempenho mais profundas com base em dados coletados da comunidade de avaliadores da Arena.

Esse posicionamento é importante. A Arena não está vendendo um modelo de fundação, acesso a inferência ou um produto de camada de aplicação. Ela está vendendo feedback, benchmarking e análise de desempenho comparativo em um momento em que os laboratórios estão tentando extrair ganhos de métodos de pós-treinamento, reforço, ajuste de segurança e otimização de tarefas específicas.

O TechCrunch relata que a Arena avalia modelos em texto, codificação, visão e geração de imagens, e mais recentemente adicionou um modo de agente (Agent Mode) focado em fluxos de trabalho complexos e de longa duração. Essa ampliação é importante porque comparações simples de chatbots não capturam mais a gama completa de tarefas com as quais as empresas se preocupam. Os compradores querem cada vez mais evidências de confiabilidade em tarefas de codificação, entradas multimodais e cadeias agentic que envolvam várias etapas e ferramentas.

Por que esse número importa agora

O momento ajuda a explicar por que investidores e clientes estão prestando atenção. A Arena levantou uma Série A de US$ 150 milhões em janeiro, com uma avaliação de US$ 1,7 bilhão após o aporte. Naquela época, o TechCrunch diz que a receita anualizada da empresa era de US$ 30 milhões. O mesmo veículo relata agora que esse número subiu para US$ 100 milhões em receita anualizada nos meses seguintes.

Mesmo considerando a natureza flexível do cálculo da taxa de execução, essa é uma aceleração acentuada. Isso sugere que a demanda por avaliação e suporte ao pós-treinamento está escalando junto com o próprio mercado de modelos. Como os lançamentos de modelos tornaram-se mais frequentes e as lacunas de desempenho mais estreitas, o valor de testes comparativos credíveis aumentou. Um laboratório não pode mais depender apenas de grandes vitórias em benchmarks se os clientes se preocupam com o desempenho específico do domínio, risco de regressão ou como um modelo se comporta em prompts de usuários reais.

O crescimento da Arena também reflete uma realidade comercial mais ampla na IA: à medida que os modelos se tornam mais fáceis de acessar, a diferenciação muda para dados, ajuste, desempenho de fluxo de trabalho e confiança. Um placar público pode atrair o engajamento da comunidade, mas uma camada de análise paga pode monetizar a mesma atividade de avaliação subjacente se os clientes acreditarem que o sinal é útil.

Há outro ângulo estratégico. O serviço público da Arena confere a ela uma posição rara no mercado: ela fica próxima aos lançamentos de modelos e muitas vezes se beneficia do interesse do usuário em testar modelos recém-lançados ou até mesmo não lançados. Isso dá à empresa uma vantagem de coleta de dados e visibilidade que seria difícil de recriar rapidamente do zero.

O modelo de negócios é forte, mas a terminologia importa

Um dos detalhes mais notáveis no relatório do TechCrunch é que o executivo-chefe da Arena, Anastasios Angelopoulos, teria esclarecido que a empresa usa precificação por consumo. Em outras palavras, o valor de US$ 100 milhões não é a receita recorrente anualizada tradicional baseada em assinaturas ou gastos recorrentes contratados.

Essa distinção é importante para qualquer pessoa que tente avaliar o negócio. A receita por consumo pode escalar mais rápido do que SaaS baseado em assentos, especialmente quando os clientes aumentam o uso rapidamente. Mas também pode ser mais volátil. Se os laboratórios de modelos reduzirem os testes, consolidarem fornecedores ou internalizarem parte do trabalho de avaliação, os gastos podem não se comportar como assinaturas de software estáveis.

O TechCrunch diz que a Arena se refere ao número como ARR, embora também reconheça que a receita não é recorrente no sentido convencional. Os leitores devem, portanto, tratar o número como uma taxa de execução anualizada com base no uso atual, em vez de uma base de receita recorrente totalmente contratada.

Isso não torna o marco sem importância. Simplesmente significa que a composição do negócio provavelmente parece diferente do software empresarial clássico. Para construtores e investidores, a pergunta certa é menos se a sigla se encaixa e mais se o uso de avaliação está se tornando incorporado nos ciclos de desenvolvimento profundamente o suficiente para produzir demanda durável.

A concorrência não é apenas outras startups de placar

O sucesso relatado da Arena acontece mesmo que análogos diretos pareçam limitados. O TechCrunch observa que a Yupp, outra startup de escolha de modelos de IA com crowdsourcing, fechou em março. Angelopoulos disse à publicação que a Arena compete, em vez disso, pelo mesmo orçamento que a rotulagem humana e provedores de pós-treinamento, como Mercor, Surge e Scale AI.

Essa comparação é reveladora. Ela enquadra a Arena menos como uma propriedade de mídia ou site de benchmarking e mais como infraestrutura para melhoria de modelos. Avaliadores humanos, dados de preferência, sistemas de classificação e análises detalhadas contribuem para o mesmo objetivo: fazer com que os modelos tenham um desempenho melhor nas tarefas com as quais os desenvolvedores se preocupam.

O TechCrunch associa o crescimento da Arena a sinais mais amplos de que o mercado de pós-treinamento está se expandindo rapidamente. O veículo cita relatórios anteriores do The Information de que a receita bruta anualizada da Handshake com treinamento em IA subiu de US$ 550 milhões para quase US$ 1 bilhão entre janeiro e abril, e que a receita anualizada da Mercor ultrapassou US$ 1 bilhão no início deste ano, depois de ter sido de cerca de US$ 500 milhões em setembro passado. Esses números são contexto de mercado de segunda mão, em vez de novas divulgações no próprio relatório da Arena, mas eles apoiam a ideia de que as operações de avaliação, rotulagem e treinamento de IA estão se tornando grandes categorias de gastos.

Para o mercado, isso significa que o campo de batalha está mudando. Os provedores de modelos ainda competem em lançamentos de ponta, mas uma parcela crescente do valor pode residir nas camadas que dizem aos clientes qual modelo é melhor, por que é melhor e como melhorá-lo.

Evidências, atribuição e o que ainda não foi verificado

A notícia principal nesta história vem da reportagem do TechCrunch, incluindo declarações atribuídas ao CEO da Arena, Anastasios Angelopoulos. O valor de US$ 100 milhões da Arena é, portanto, um marco de receita relatado pela empresa, não uma divulgação financeira auditada de forma independente no material de origem fornecido.

Vários outros detalhes importantes também vêm do relato do TechCrunch: que a Arena originou-se como um projeto da UC Berkeley em 2023; que lançou seu produto comercial AI Evaluations em setembro; que o placar público reflete mais de 10 milhões de avaliações de usuários; que a empresa teve um valor de receita anualizada relatado de US$ 30 milhões em janeiro; e que levantou um total de US$ 250 milhões de investidores, incluindo Felicis, Andreessen Horowitz, Kleiner Perkins, Lightspeed e outros.

O relatório também identifica os cofundadores da Arena como Angelopoulos, o CTO Wei-Lin Chiang, e o professor da UC Berkeley e cofundador da Databricks, Ion Stoica, que assessorou o projeto antes da empresa ser incorporada em abril de 2025.

O que permanece incerto é a composição exata da taxa de execução de US$ 100 milhões. A fonte fornecida não detalha a contagem de clientes, gasto médio, retenção, margens brutas ou o mix entre laboratórios de modelos e compradores corporativos. Também não oferece validação de terceiros de quão preditivo o placar público da Arena é para resultados de produção no mundo real. Essas lacunas são importantes porque muitas empresas agora desejam avaliação específica de domínio, não apenas popularidade ampla ou sinais de preferência da comunidade.

O que isso significa para construtores de IA e compradores corporativos

Para os construtores de modelos, a ascensão da Arena destaca uma verdade prática: enviar um modelo forte não é mais suficiente. As equipes precisam de avaliação contínua em lançamentos, tipos de tarefas e duração de fluxos de trabalho. Um serviço que pode revelar rapidamente dados de preferência, análises comparativas e regressões pode encurtar ciclos de iteração e reduzir o risco de promover um checkpoint mais fraco.

Para as equipes de aplicação, a história é um pouco diferente. Placares públicos são ferramentas de descoberta úteis, mas as decisões de produção geralmente exigem testes mais restritos ligados aos próprios prompts, políticas e limiares de falha de uma empresa. O impulso comercial da Arena sugere que há apetite por infraestrutura de avaliação externa, mas os compradores ainda devem perguntar se o conjunto de testes reflete seu caso de uso, se os julgamentos são reproduzíveis e com que rapidez o fornecedor pode detectar regressões após uma atualização de modelo.

Para as empresas, a implicação maior é a aquisição. A avaliação está se movendo de uma função de pesquisa ad hoc para um item de linha que pode ficar ao lado de acesso a modelos, guardrails, observabilidade e rotulagem de dados. Isso pode melhorar a disciplina de implementação, mas também cria sobreposição entre fornecedores que oferecem benchmarking, feedback humano, red-teaming e suporte pós-treinamento. Os compradores precisarão distinguir entre sinal amplamente útil e painéis caros, porém genéricos.

O que observar a seguir

O próximo sinal a observar é se a Arena converte seu momentum atual de taxa de execução em contratos corporativos duráveis ou continua sendo principalmente um serviço orientado pelo uso vinculado ao ritmo de lançamentos de modelos. Mais detalhes sobre o mix de clientes e retenção ajudariam a esclarecer isso.

Uma segunda pergunta é se os grandes laboratórios aprofundarão sua dependência de plataformas de avaliação de terceiros ou construirão mais dessa pilha internamente. Se plataformas externas continuarem ganhando orçamento, a avaliação pode se tornar sua própria grande categoria de software e serviços. Se os laboratórios internalizarem o trabalho, provedores independentes podem precisar se especializar ainda mais.

Em terceiro lugar, observe como o Agent Mode da Arena se desenvolve. Se os clientes avaliarem cada vez mais fluxos de trabalho de longa execução em vez de prompts de turno único, a empresa poderá se tornar mais relevante para compradores corporativos que implantam agentes, não apenas para desenvolvedores de modelos que buscam colocação no placar.

Finalmente, fique atento ao escrutínio em torno de benchmarks e transparência. À medida que a avaliação se transforma em infraestrutura crítica para os negócios, os clientes desejarão mais clareza sobre metodologia, viés de amostragem, reprodutibilidade e se as classificações públicas correspondem aos resultados de produção privados.

Perspectiva da Creati.ai

O crescimento relatado da Arena é um marcador útil para onde os gastos com IA estão indo. A camada de modelo ainda recebe a maior parte da atenção, mas esta história sugere que o mercado valoriza cada vez mais o maquinário em torno dos modelos: classificação, feedback, ajuste e prova de qualidade. Isso é especialmente verdadeiro agora que as diferenças de modelo podem ser sutis, rápidas e altamente dependentes do design do fluxo de trabalho.

A cautela é que nem todo sinal de avaliação é igual. Dados de preferência de multidão podem ser poderosos, mas as empresas precisam de evidências de que um placar se traduz em desempenho operacional real em suas próprias tarefas. Se a Arena conseguir superar essa lacuna — mantendo a abertura que a tornou influente enquanto prova um valor rigoroso em implantações pagas — poderá ajudar a definir uma categoria que fica em algum lugar entre laboratório de benchmark, plataforma de dados e fornecedor de pós-treinamento.