この記事のポイント
- Arenaは2億ドルの資金調達と評価額31億ドルを発表。AIが人の意図に沿って動くかを測る新指標も公開しました。
- 新指標は無許可の行動・虚偽の帰属・不正確な完了報告の3種類を、実際の利用記録で確かめるものです。
- 初期結果は20以上の主要モデルが対象。試験公開の段階で、自社が避けたい行動と評価項目を照合する材料になります。
Arenaの2026年10月8日の発表から、事業規模と評価手法の動きを紹介します。調達額や利用数と、新指標が測る範囲を分けて読みます。
2億ドルを調達、実利用の記録をもとに評価を拡張
今回の2億ドルの資金調達（シリーズB）は、Lightspeed Venture PartnersとKhosla Venturesが共同主導し、Salesforce VenturesやDell Technologies Capitalなどが新たに参加、a16zやFelicisといった既存投資家も引き続き出資しました。前回のシリーズA(2026年1月、1億5,000万ドル)から約9カ月での調達で、同社は年換算売上が1億ドルを超えたとしています。これは現在の売上ペースを年換算した数字で、年間の確定売上や年間経常収益（ARR）と同じ意味ではありません。Agent Arenaだけでも、公開から5カ月未満で700万セッションに達したとしています。
無許可の行動や、事実と異なる報告の3種類を測る
LMArenaは、人が好ましい回答を選ぶ投票やエージェントの実作業を観察する方法で、AIモデル・AIエージェントの性能を測るサービスです。コーディングや文書分析、創作といった作業での人間とエージェントのやり取りを観察する「Agent Arena」や、分野別の順位表を提供してきました。今回新たに公開された「アラインメント指数」は、エージェントの能力とは別に、指示への従い方や報告の正確さの一部を測る指標で、プレビュー版では次の3つのシグナルから構成されます。ひとことで言うと、エージェントが頼んだこと以上に動いたり、結果をごまかして報告したりしないかを数値で確認できる仕組みです。匿名で順位表に参加していたモデルが、後から正体を明かす例も出ています。覆面AI「Space Bunny」の正体はMiniMaxの新モデルM3.1 Flashで紹介しています。
無許可の行動(頼んでいない範囲まで手を出す)、虚偽の帰属(ユーザーの発言・意図・事実として帰属した内容が、ユーザーの示した根拠と矛盾する)、欺瞞的な完了報告(終わっていない作業を終わったと報告する)の3シグナルで、20以上の主要モデルの初期結果もあわせて公開されています。（実際の利用記録から確かめる3種類が対象で、業務全体の安全性を測る指数ではありません。）
まとめ:順位よりも、避けたい行動が評価に含まれるかを見る
AIエージェントの導入を検討する担当者にとって、今回の発表で注目したいのは調達規模そのものより「特定の逸脱を測る第三者の指標」が整備され始めている点です。性能の高さだけでなく、指示から外れた行動をどれだけ起こすか、完了報告がどれだけ正確かという観点は、社内で複数のエージェントサービスを比較する際の判断材料になります。AIエージェント同士の比較はAIエージェントの選び方、主要6サービスを3タイプで整理、安全面の取り組みはNVIDIA、AIエージェントの逸脱に備える安全基盤を公開でも扱っているので、導入判断の材料を増やしたい方はあわせて確認するとよさそうです。アラインメント指数は現時点でプレビュー版のため、今後の正式公開時に評価方法や対象モデルがどう広がるか、評価対象の作業と自社の用途が近いかを確かめるとよいでしょう。順位だけで決めず、自社で起きてほしくない行動が評価に含まれるかを見る材料になります。
※情報はArena公式ブログ(2026年10月8日公開)に基づく、2026年10月時点の内容です。
