¡Una empresa que no construye IA, con ingresos anuales de 100 millones de dólares!
Quién forjó este mito comercial es la "arena de modelos grandes" que los gigantes de IA de Silicon Valley codician: Arena.
Su predecesor se llamaba Chatbot Arena, originalmente solo un proyecto de investigación de código abierto iniciado por un equipo de UC Berkeley en 2023.
¿Quién hubiera pensado que, en tan poco tiempo, se convertiría en el núcleo que controla el destino de los grandes modelos?
Hoy mismo, apenas 8 meses después del lanzamiento de su servicio comercial, Arena ha alcanzado un hito nuevo: ingresos anualizados de 100 millones de dólares.
ChatGPT, Claude compitiendo en el ranking, la arena de los modelos grandes
Para muchos, Arena no es algo desconocido.
Lo que más se comenta de ella es esa clasificación de modelos grandes construida completamente a base de pruebas ciegas reales por parte de los usuarios.
La mecánica es extremadamente simple, pero llena de competitividad:
Introduces un prompt, el sistema envía de forma ciega y anónima las respuestas de dos modelos simultáneamente; luego eliges cuál es mejor.
El sistema recopila millones de estos votos para crear una clasificación al estilo Elo.
Este mecanismo de "combate" la ha convertido en un lugar de referencia para entusiastas y desarrolladores de IA de todo el mundo.
Hasta la fecha, la plataforma ha acumulado más de 10 millones de evaluaciones de usuarios, 700 millones de conversaciones, 82 millones de votos, más de 10 millones de visitantes mensuales, procedentes de más de 150 países.
Lo más crucial es que alrededor del 80% de las preguntas de los usuarios diarias son completamente nuevas, ningún modelo puede "estudiarlas" de antemano.
¿Cuál es su verdadero valor?
OpenAI, Google, Anthropic, Meta, estos titanes que normalmente se pelean a muerte, envían todos sus modelos insignia a Arena para que la comunidad los someta a prueba.
OpenAI incluso probó en secreto en la clasificación con el nombre en clave "summit" antes del lanzamiento oficial de GPT-5.
En otras palabras, los mejores modelos de Silicon Valley están esperando que un proyecto estudiantil de Berkeley les dé su visto bueno.
¿Cómo se alcanzan los 100 millones de dólares de ingresos?
Entonces, la pregunta es: ¿cómo una clasificación gratuita se convirtió en una máquina de generar 100 millones de dólares?
En septiembre pasado, Arena lanzó un servicio comercial llamado AI Evaluations:
Los fabricantes de modelos y las grandes empresas pueden pagar para que Arena movilice su comunidad de decenas de millones de personas y realice evaluaciones profundas de sus modelos, obteniendo análisis de rendimiento del "mundo real" que las simples pruebas de referencia no pueden proporcionar.
Es un "sistema CI/CD para el mundo real".
Cuando un modelo está listo para ser lanzado públicamente, Arena lo evalúa gratis para la comunidad;
Pero si una empresa quiere saber dónde es realmente fuerte su modelo en manos de usuarios reales, dónde es débil, dónde está inventando cosas, entonces tiene que pagar.
Es un negocio típico del "vendedor de palas" – en la fiebre del oro, los que excavan no siempre ganan dinero, pero los que venden agua y herramientas tienen ganancias seguras.
Cuanto más enloquecidamente compiten los fabricantes de modelos grandes, cuanto más intentan exprimir hasta la última gota de rendimiento, mayor es su apetito por este tipo de servicios de "optimización post-lanzamiento".
Y Arena se posiciona justo en ese lugar por el que todos deben pasar.
Tres personas de Berkeley
crean el negocio más rentable
El predecesor de Arena se llamaba Chatbot Arena.
Antes de eso, pertenecía al famoso grupo de investigación LMSYS de Berkeley.
Dos compañeros de cuarto de Berkeley solo querían hacer algo sencillo: crear una arena neutral para los modelos de lenguaje grandes, donde todos pudieran competir de manera justa.
Nadie imaginó que este proyecto estudiantil correría hasta convertirse en un unicornio.
La línea de tiempo fue tan rápida que dejaba sin aliento: en la primavera de 2025, el proyecto se separó de la universidad y se constituyó formalmente como empresa, consiguiendo una ronda semilla de 100 millones de dólares en semanas, con una valoración de 600 millones;
Unos meses después del lanzamiento del producto comercial, en solo cuatro meses, los ingresos anualizados alcanzaron los 30 millones de dólares.
Inmediatamente después, en enero de este año, se cerró una ronda Serie A de 150 millones de dólares liderada por Felicis y UC Investments, fijando la valoración posterior a la inversión en 1.700 millones de dólares.
Los tres al timón tampoco son desconocidos.
El CEO, Anastasios Angelopoulos, es matemático de corazón.
Durante su licenciatura en Ingeniería Eléctrica en Stanford, estudió con la leyenda de la optimización convexa, Stephen Boyd.
Al hacer su doctorado en Berkeley, sus tutores fueron directamente dos grandes gurús: el maestro del aprendizaje automático Michael I. Jordan y el maestro de la visión por computadora Jitendra Malik.
Su investigación en los últimos años se ha centrado principalmente en cómo hacer juicios matemáticamente sólidos sobre un modelo de caja negra.
El CTO, Wei-Lin Chiang, es una cara conocida en el mundo del código abierto – el chatbot de código abierto Vicuna que arrasó en Internet es obra suya.
Hizo su doctorado en Berkeley bajo la tutela de Ion Stoica, especializándose en sistemas distribuidos, y anteriormente trabajó en Google, Amazon y Microsoft.
En el momento en que ChatGPT se lanzó en beta pública a finales de 2022, dejó toda su investigación anterior y se sumergió de lleno en Arena.
Su obsesión por este proyecto fue descrita por su compañero Angelopoulos como "a labor of love" (un trabajo hecho por amor).
Por este proyecto, trabajaron tantas horas que finalmente se mudaron juntos. Dos compañeros de cuarto construyeron una empresa valorada en 1.700 millones de dólares.
El tercer cofundador es el famoso profesor de Berkeley y cofundador de Databricks, Ion Stoica. Actuó como asesor hasta que el proyecto se constituyó como empresa en abril de 2025.
Ser árbitro es más importante que ser jugador
La última movida de Arena es el lanzamiento del Agent Mode (Modo Agente).
Ya no evalúa solo "quién chatea mejor", sino las tareas reales que millones de usuarios están haciendo con agentes: escribir código, depurar errores, investigar, analizar documentos – esas tareas largas que implican cientos de llamadas a herramientas y múltiples interacciones.
Ahora califica utilizando métricas objetivas como la tasa de finalización de tareas o la tasa de alucinaciones, yendo mucho más allá del ámbito original de los "votos de preferencia humana".
La IA está evolucionando de "chatbot" a "agente" capaz de realizar tareas de forma independiente; las tareas son cada vez más largas y las apuestas más altas.
La evaluación es la última sonda humana que se introduce en el interior de la IA.
Que el negocio de Arena valga 100 millones, que valga 1.700 millones de dólares, esencialmente apuesta a que esto será cada vez más importante y más costoso.
Pero al final, todos tendrán que responder la misma pregunta: cuando las máquinas empiecen a plantear sus propias preguntas, ¿quién tendrá la autoridad para calificar?
Referencias:
https://techcrunch.com/2026/06/29/arena-the-ai-leaderboard-everyone-uses-is-now-a-100m-business/
https://x.com/ml_angelopoulos/status/2071629882057228680?s=20
Este artículo proviene del WeChat público "新智元", autor: ASI启示录, editor: Taozi
