Arena — Nền tảng đánh giá AI đạt 100 triệu đô ARR chỉ sau 8 tháng ra mắt

Nếu bạn từng tự hỏi "Model nào đang giỏi nhất hiện tại?" rồi mò vào một bảng xếp hạng nào đó trên mạng — rất có thể bạn đã dùng Arena. Và giờ đây, cái bảng xếp hạng tưởng như chỉ là một dự án nghiên cứu của trường đại học ấy vừa cán mốc $100 triệu ARR — chỉ trong vòng 8 tháng kể từ khi bước vào thị trường thương mại.

Arena là gì và tại sao nó lại quan trọng?

Arena (trước đây được biết đến với tên Chatbot Arena hoặc LMArena) ra đời từ một dự án nghiên cứu tại UC Berkeley vào năm 2023. Ý tưởng ban đầu rất đơn giản: thay vì để các công ty tự chấm điểm mô hình của mình, hãy để cộng đồng người dùng thực sự làm điều đó.

Cụ thể, người dùng sẽ nhập cùng một câu hỏi cho hai mô hình ẩn danh, so sánh câu trả lời và bầu chọn mô hình nào tốt hơn. Từ hàng triệu lượt bầu chọn như vậy, Arena xây dựng một bảng xếp hạng ELO — giống như hệ thống tính điểm trong cờ vua hay chess.com — phản ánh chính xác khả năng thực tế của từng mô hình.

Tính đến nay, nền tảng đã thu thập hơn 10 triệu lượt đánh giá từ cộng đồng. Kết quả? Bảng xếp hạng của Arena trở thành thước đo de facto của ngành: từ OpenAI, Anthropic cho đến Google đều thường xuyên trích dẫn thứ hạng Arena trong các thông báo ra mắt mô hình mới của họ.

Từ phòng lab đến $100 triệu ARR trong 8 tháng

Arena chính thức thành lập công ty vào tháng 4/2025, được đồng sáng lập bởi Anastasios Angelopoulos và Wei-Lin Chiang — hai nhà nghiên cứu sau tiến sĩ tại UC Berkeley, cùng với giáo sư Ion Stoica (người đồng sáng lập Databricks).

Mốc thời gian tăng trưởng gần như không tưởng:

• Tháng 9/2025: Tung ra AI Evaluations — dịch vụ thương mại đầu tiên, cung cấp phân tích hiệu suất chuyên sâu cho các công ty AI và doanh nghiệp.
• Tháng 12/2025: ARR đạt $30 triệu.
• Tháng 1/2026: Hoàn tất vòng Series A $150 triệu USD, dẫn dắt bởi Felicis và UC Investments, với sự tham gia của Andreessen Horowitz. Định giá đạt $1.7 tỷ USD.
• Tháng 6/2026: ARR vượt mốc $100 triệu — tăng hơn gấp 3 lần chỉ trong 6 tháng.

AI Evaluation nghĩa là gì — và tại sao bạn nên quan tâm?

Nếu bạn là developer đang tích hợp AI vào sản phẩm, đây là thứ bạn cần hiểu.

AI Evaluation (hay còn gọi là evals) là quá trình đo lường khả năng thực sự của một mô hình AI trên các tác vụ cụ thể. Không phải chỉ hỏi vài câu và cảm nhận — mà là kiểm tra có hệ thống, với dataset chuẩn, metric rõ ràng, và kết quả có thể so sánh được.

Tại sao quan trọng? Vì thực tế ngày càng phức tạp hơn:

• Có hàng chục mô hình khác nhau trên thị trường — GPT-4o, Claude Sonnet, Gemini Ultra, Llama 4, Mistral…
• Không có mô hình nào giỏi nhất tuyệt đối — mô hình A có thể giỏi code nhưng kém reasoning, mô hình B ngược lại.
• Chi phí inference rất khác nhau giữa các nhà cung cấp.

Dịch vụ AI Evaluations của Arena cho phép các công ty gửi use case cụ thể của mình lên nền tảng, nhận lại báo cáo phân tích chi tiết dựa trên hàng triệu điểm dữ liệu từ cộng đồng. Thay vì chạy benchmark nội bộ tốn kém, bạn tận dụng trí tuệ tập thể của toàn bộ cộng đồng người dùng AI.

Một số điểm đáng chú ý (và tranh cãi)

Arena không phải không có góc khuất. Có một điều thú vị (và hơi nghịch lý): những nhà đầu tư lớn nhất của Arena bao gồm chính các công ty mà nó xếp hạng — như Andreessen Horowitz có đầu tư vào nhiều công ty AI.

Điều này đặt ra câu hỏi về tính khách quan của leaderboard. Arena phản bác rằng phương pháp crowdsourced của họ — dựa vào hàng triệu người dùng ẩn danh, không biết đang dùng mô hình nào — khiến cho việc "gian lận" bảng xếp hạng là gần như bất khả thi.

Một điểm khác đáng lưu ý: dù Arena gọi con số này là ARR, mô hình doanh thu của họ thực chất là consumption-based (tính theo mức sử dụng) thay vì subscription truyền thống. Điều này có nghĩa là con số có thể biến động nhiều hơn so với SaaS thuần túy.

Bức tranh lớn hơn: thị trường AI Evaluation đang bùng nổ

Sự thành công của Arena phản ánh một xu hướng lớn hơn: thị trường AI Evaluation đang trở thành hạ tầng thiết yếu.

Khi các doanh nghiệp triển khai AI vào sản phẩm thực, họ cần biết:

• Mô hình nào phù hợp nhất với use case của mình?
• Hiệu suất có thay đổi sau khi nhà cung cấp cập nhật mô hình không?
• Chi phí có tương xứng với chất lượng không?

Trả lời những câu hỏi này một cách có hệ thống, khoa học — đó chính là giá trị mà Arena đang cung cấp. Và rõ ràng, thị trường sẵn sàng trả tiền cho điều đó.

Takeaway cho developer Việt Nam

Nếu bạn đang xây dựng sản phẩm AI:

1. Bookmark ngay arena.ai/leaderboard — đây là bảng xếp hạng đáng tin cậy nhất hiện tại để chọn model.
2. Hiểu khái niệm evals — đừng chỉ "cảm nhận" model nào tốt, hãy đo lường có hệ thống trên data của chính bạn.
3. Theo dõi Arena AI Evaluations nếu bạn cần benchmark chuyên sâu cho enterprise use case.

Từ một trang web so sánh chatbot của sinh viên Berkeley đến một công ty tỷ đô trong vòng chưa đầy 2 năm — câu chuyện của Arena nhắc nhở rằng đôi khi infrastructure âm thầm nhất lại tạo ra giá trị lớn nhất.

#AIEvaluation #Arena #LeaderboardAI #LLM #AIStartup #MachineLearning #AItools #VibeAICoder