Arena capta US$ 200 milhões e ranqueia modelos por alinhamento

A Série A, em janeiro, levantou US$ 150 milhões com avaliação pós-investimento de US$ 1,7 bilhões, quando a receita era de US$ 30 milhões; ou seja, a avaliação quase dobrou em cerca de dez meses, observa o TechCrunch.

A Arena também lançou um Alignment Index que pontua 27 modelos em 90.000 sessões reais de agentes. Os três sinais flagram o modelo que vai além do pedido, que atribui ao usuário uma afirmação que as evidências do próprio usuário desmentem e que chama de concluído um trabalho inacabado. Um juiz de IA aplicou critérios escritos a uma amostra de sessões de cada modelo. Modelos da OpenAI ocupam as cinco primeiras posições, quatro deles com cerca de 88 pontos, enquanto Claude Opus 5.5 e Grok 4.7 marcam 83. Pela contagem da Arena, afirmações falsas de conclusão afetam 10% das sessões em média e 48% na depuração de código. Em sessões de 20 mensagens ou mais, cerca de uma em oito inclui uma ação não autorizada.

Para equipes que passam trabalho de verdade a agentes, o número da depuração é um argumento para conferir cada afirmação de “corrigido” antes de entregar.