הלוח שכל מעבדת AI רוצה לראות בו את שמה מגייס 200 מיליון דולר, ועכשיו גם בודק אם המודלים דוגרים איתנו.
יש עסקים שמוכרים מעדנות, ויש עסקים שמוכרים אמון. Arena, החברה שמאחורי לוח הדירוג הפופולרי LMArena, שייכת לקבוצה השנייה, והשוק מתמחר את זה בהתאם. לפי הדיווח ב-TechCrunch, החברה גייסה 200 מיליון דולר בהובלת Lightspeed ו-Khosla, ושווייה מגיע ל-3.1 מיליארד דולר. זה כמעט כפול מההערכה הקודמת, בתוך 10 חודשים.
הרעיון המקורי פשוט: מציגים לגולש שתי תשובות אנונימיות משני מודלים, הוא בוחר את הטובה יותר, ומהצבעות רבות נבנה דירוג. הפרויקט התחיל באקדמיה ופרש ממנה. ב-2025 הוא גייס סבב סיד של 100 מיליון דולר לפי שווי של כ-600 מיליון דולר, וב-ינואר 2026 סבב A של 150 מיליון דולר לפי שווי של 1.7 מיליארד דולר, לפי פרסומים בעבר. החברה דיווחה אז על הכנסה שנתית מצרכנים של יותר מ-30 מיליון דולר, פחות מארבעה חודשים אחרי השקת המוצר המסחרי הראשון שלה.
היום הלוח הוא כמעט סטנדרט דה-פקטו: מעבדות מתחרות על המקום הראשון בו, ופרסומי השקה של מודלים חדשים מצטטים אותו. במקרה כזה, מי ששולט במד הוא דמות בעלת כוח אמיתי.
החידוש בסיפור הוא שהחברה מרחיבה את המדידה מעבר ל"איזו תשובה נעימה יותר" ובודקת גם סוגיות של יישור, כמו שקרים של מודלים. המעבר ממדידת איכות למדידת יושרה הוא מה שמצדיק את הסיפור, כי בלי מדידה כזו כל הצהרה של מעבדה על בטיחות המודל שלה היא בעיקר יחסי ציבור.
כאן גם אפשר לקרוא את הסיפור בצורה ביקורתית. ל-Arena יש היסטוריה של האשמות: מאמר מתחרה ב-2025 טען שמעבדות גדולות נהנו מיתרון בלוח בזכות הקשרים איתה, והחברה ושותפיה, ובהם אחד המייסדים, Ion Stoica, דחו זאת. החברה אומרת שאי אפשר לשלם על דירוג. ועדיין, כשהחברה שמדרגת את המודלים מתוקצבת בין היתר על ידי הענף שהיא בודקת, השאלה על ניגוד עניינים לא נעלמת עם סבב גיוס נוסף.
זו קריאה שלנו ולא עובדה מהדיווח: בישראל יש הרבה חברות שבונות מוצרים על גבי מודלי שפה ובוחרות ספק לפי מקום בטבלה. דירוג בעברית ובתחומים ספציפיים כמעט לא קיים בלוחות כאלה, וההצבעות מושפעות בעיקר מגולשים דוברי אנגלית. מי שבונה מוצר צריך לבחון את המודל על המשימות שלו, ולא להסתפק בדירוג כללי. מדד שקרנות יצליח למדוד יושרה בצורה אמינה יהיה שימושי גם לסטארטאפים שחייבים להסביר ללקוחות מדוע סומכים על המודל.
לסיכום, 3.1 מיליארד דולר לחברה שהמוצר שלה הוא דירוג הם הימור שמי שמודד את ה-AI יהיה חשוב כמעט כמו מי שבונה אותו. נותר לראות אם המדד החדש לשקרנות יעמוד בלחץ שיגיע, ברגע שמודל של לקוח גדול ייצא ממנו רע.
