UC Berkeley’de 2023 yılında bir araştırma projesi olarak ortaya çıkan ve yapay zeka modellerinin sıralamasını halkın katılımıyla (kitle kaynaklı) belirleyen Arena platformu, $200 milyonluk Seri B yatırım turunu $3,1 milyarlık değerleme ile kapattığını Perşembe günü duyurdu. Tüketiciye ücretsiz sunulan bu kitleden veri toplanan platform, aylık ziyaretçi sayısını on milyonların üzerine çıkarmış durumda ve son dönemde yapay zeka modellerinin performansını gerçek kullanıcı geri bildirimleriyle ölçme ihtiyacının ortaya çıkmasıyla birlikte önemli bir konuma yerleşti.
Bu yatırım turundan önce Arena’nın Haziran ayında yıllık bazda $100 milyonluk sabitlenmiş gelir (run-rate) seviyesine ulaştığını açıklamıştı. Tur Lightspeed Venture Partners ve Khosla Ventures önderliğinde gerçekleşirken, Salesforce Ventures, 01 Advisors, Dell Technologies Capital, Endeavor Catalyst, a16z, Felicis gibi yatırımcılar da sürece katıldı. Platform daha önce Ocak ayında $150 milyonluk Seri A turunu $1,7 milyarlık post-money değerleme ile tamamlamıştı; o dönemde yıllık gelir yaklaşık $30 milyondu. Bu verilere göre Arena’nın değerlemesi 10 ay içinde neredeyse ikiye yaklaşmış oldu.
Kitle Kaynaklı Değerlendirme Modeli
Arena, tüketici için tamamen ücretsiz kullanılan kitleden veri toplayan bir platform sunar. Kullanıcılar sisteme komut (prompt) girer veya “vibe-coded” olarak adlandırılan proje taleplerinde bulunur; ardından hangi yapay zeka modelinin bu işi daha iyi yaptığına dair oy verir. Arena, aylık ziyaretçi sayısının on milyonların üzerinde olduğunu belirtiyor.
Geçen yılın Eylül ayında ticari ürünü olan AI Evaluations’ı piyasaya süren platform, model laboratuvarlarına ve işletmelere topluluk geri bildirimlerine dayalı detaylı performans analizleri sağlıyor. Bu zamanlama son derece isabetliydi; çünkü bu yıl yapay zeka laboratuvarları modellerinin testleri “oyuna yatırdığını” (gaming) fark etti—yani gerçekten hak etmeden iyi skorlar toplayan yollar buldu. Aynı dönemde işletmeler, yalnızca standart testlere güvenmek yerine kendi iç ihtiyaçlarına en uygun modelin hangisi olduğunu belirlemeye yardımcı olacak destek aradı.
“Yapay zeka, onu değerlendirme kapasitemizden daha hızlı ilerliyor ve statik testler modeller test edildiğini fark ettikleri anda işlevini yitiriyor. Dünyanın, yapay zekanın gerçek insanların eline geçtiğinde gerçekten ne kadar güvenli ve uyumlu olduğu ölçülebilmesi için tarafsız bir üçüncü tarafa ihtiyacı var. Arena bugün bu rolü üstleniyor.”
Arena — Yatırım Duyurusu
Platform, bu doğrultuda sıralama listesine yeni bir kategori de ekledi: uyumluluk (alignment). Bu kategoride modeller; yetkisiz eylem (istenmeyen aksiyonları alma), yanlış atıf (söz veya gerçeklerin hatalı biçimde başka bir kaynağa ait gösterilmesi) ve platformun “dolandırıcı tamamlama” olarak adlandırdığı, yapılmayan görevlerin tamamlandığının iddia edilmesi gibi konulara göre sıralanıyor.
Sırlama Listesinde Durum
Güncel verilere göre, OpenAI’ın bir dizi modeli preliminary (ön) uyumluluk sırlama listesinde en üst sırada yer alıyor; Claude Opus 5.5 altıncı, Claude Fable ise dokuzuncu sırada bulunuyor.
Bu Gelişmeyi Toplulukta Değerlendirin
Haber hakkındaki düşüncelerinizi, donanım deneyimlerinizi ve teknik sorularınızı topluluk üyeleriyle anlık olarak tartışın.
Söz sizde.
Deneyiminizi, sorularınızı ve katkılarınızı paylaşın. E-posta adresiniz yayımlanmaz.