Full text · 原文
1,706 字
闻乐 发自 凹非寺<br>
量子位 | 公众号 QbitAI<br>
大模型竞技场LMArena官宣拿下1.5亿美元A轮融资。<br>
估值升至17亿美元，妥妥的新年开门红！<br>
这波融资由Felicis和加州大学投资公司UC Investments领投，Andreessen Horowitz、The House Fund等机构跟投。<br>
资本用真金白银投票，足以见得AI时代大模型评估这个赛道有多香～<br>
而这支90后华人含量99%团队的走红之路，还得从2023年ChatGPT横空出世后说起。<br>
从学术探索到商业崛起<br>
LMArena的前身是曾经火爆AI圈的Chatbot Arena，最早由LMSYS这个自发的开源组织创建。<br>
组织的核心成员全是来自UC伯克利、斯坦福、UCSD、CMU等顶尖高校的学霸。<br>
他们的开源推理引擎SGLang在业内首次实现了在96块H100上跑出几乎媲美DeepSeek官方报告吞吐量的开源方案。<br>
目前SGLang已经实现大规模部署，被xAI、英伟达、AMD、谷歌云、甲骨文云、阿里云、美团、腾讯云等企业和机构采用。<br>
不过，比起硬核技术，他们最主要也更出圈的工作是对大模型进行评估。<br>
在ChatGPT、Claude一众模型刚刚面世之际，他们率先创办了Chatbot Arena这么一个第三方众包基准测评平台。<br>
LMSYS的创办人之一、SGLang主导者郑怜悯曾对我们透露，当时之所以创建Chatbot Arena，是因为他们自己训练了小羊驼Vicuna的开源模型。<br>
当时他们觉得自己模型还不错，但市面上已有的各种基准测试很难真正区分出模型是“真好”还是“假好”。<br>
团队认为，评估模型最好的方式就是将其放到网上，让用户试用并投票。于是乎他们就搞了个众包测试平台Chatbot Arena，通过实际的用户交互来评估模型性能。<br>
结果没想到的是后来Chatbot Arena已独立成一家公司，而小羊驼Vicuna等大模型的研发已经停滞。<br>
早期的Chatbot Arena搞的是双盲测试，让用户在不知道模型身份的情况下盲选最优回答，这种模式吸引了大量AI爱好者来打卡。<br>
后来，全球各地一有新模型更新都会在里面偷偷测一把，Chatbot Arena逐渐成为模型测评首选的排行榜。<br>
这样的影响力让Chatbot Arena在AI领域崭露头角，获得资本市场的认可。<br>
它独立出来成为一家商业公司lmarena.ai，专注于AI模型评估。<br>
2025年5月，被曝获种子轮1亿美元投资，估值达到6亿美元。<br>
动态竞技场<br>
lmarena.ai的主要项目就是如今全球大模型的动态竞技场LMArena。<br>
核心评估规则围绕匿名对战、Elo式评分和人机协同框架展开，方式也比较有意思。<br>
用户只要输入问题，系统就会随机匹配两个模型来做匿名回答。<br>
这时候大家不用管模型是谁，只需要根据回答的好坏投票选出更优的那个，系统在投完票之后才会揭晓模型的真实身份。<br>
在评分上，平台基于Bradley–Terry模型设计了Elo评分机制，每个模型都有初始分数，赢了就加分，输了就扣分，随着对战次数越来越多，分数会慢慢稳定下来，最终形成实时更新的排行榜。<br>
除此之外，平台还采用了人机协同的评估模式，用人类的真实投票来反映大家对模型的偏好，再通过算法去平衡各个模型的出场次数、任务类型和样本分布，避免有的模型因为曝光多就被高估，或者因为曝光少就被低估，确保整个评估过程公平客观。<br>
就这样，LMArena成了各家新模型“出道”时的必测榜单。当前Gemini 3 Pro以1490分位居榜首。<br>
去年拿到1亿美元种子轮融资后，LMArena的发展迅速超出预期。<br>
在短时间内不仅累计了涵盖文本、视觉、网络开发等跨模态的5000万张投票，完成了400余种开放及专有模型的评估，还产出了覆盖文本、多模态、专家及职业等多个类别的14.5万个开源战斗数据点。<br>
现在，LMArena计划将新筹集的资金用于平台运营，确保平台稳定且高效运行，提升用户体验。同时扩大技术团队，为平台发展注入更多专业技术力量。<br>
参考链接：https://news.lmarena.ai/series-a/<br>
— 完 —