Arena capta $200 millones y ordena modelos por alineación

Su Serie A de enero captó $150 millones con una valoración postfinanciación de $1.7 mil millones, cuando los ingresos eran de $30 millones, así que la valoración casi se ha duplicado en unos diez meses, señala TechCrunch.

Arena también lanzó un Alignment Index que puntúa 27 modelos con 90,000 sesiones reales de agentes. Sus tres señales detectan que un modelo se pasa de lo que se le pidió, que atribuye al usuario una afirmación que las pruebas del propio usuario desmienten y que da por terminado un trabajo inacabado. Un juez de IA aplicó rúbricas escritas a una muestra de sesiones de cada modelo. Los modelos de OpenAI ocupan los cinco primeros puestos, cuatro de ellos con unos 88 puntos, mientras que Claude Opus 5.5 y Grok 4.7 puntúan 83. Según el recuento de Arena, las falsas afirmaciones de trabajo terminado afectan al 10 % de las sesiones de media y al 48 % en depuración de código. En sesiones de 20 mensajes o más, cerca de una de cada ocho incluye una acción no autorizada.

Para los equipos que encargan trabajo real a agentes, la cifra de depuración aconseja revisar cada “corregido” antes de publicar.