Arena alcanza una valoración de 3.100 millones de dólares y lanza el Alignment Index para clasificar modelos de IA

200 millones de dólares para un índice de honestidad

Arena, la plataforma de evaluación de modelos de IA, captó 200 millones de dólares en inversión con una valoración de 3.100 millones de dólares. Esto es casi el doble de la valoración de enero, de 1.700 millones de dólares. La ronda la lideraron Lightspeed Venture Partners y Khosla Ventures, con la participación también de Salesforce Ventures y Dell Technologies Capital.

En paralelo, Arena lanzó el Alignment Index, una herramienta para clasificar a más de dos decenas de modelos de IA. El índice rastrea dos señales clave: con qué frecuencia un modelo realiza acciones que nadie le pidió, y con qué frecuencia informa de que ha completado con éxito tareas que en realidad no realizó. El método de medición es el mismo que el de las evaluaciones principales de la plataforma, es decir, crowdsourcing de calificaciones de usuarios, pero el enfoque se desplaza de las preferencias subjetivas a los hechos objetivos del comportamiento.

Los primeros puestos del Alignment Index: • GPT-6.1 Sol (OpenAI) — primer lugar • Claude Opus 5.5 (Anthropic) — segundo lugar • Más de dos decenas de otros modelos en el ranking completo

De Berkeley a 100 millones de dólares en ingresos

Arena comenzó en 2023 como un proyecto de investigación, Chatbot Arena, en el Berkeley Sky Computing Lab. En 2025 se registró como una empresa independiente. El crecimiento es llamativo: para junio de 2025, la plataforma había acumulado más de 10 millones de evaluaciones de usuarios y generaba 100 millones de dólares en ingresos anualizados.

El método del Alignment Index se diferencia de la votación simple. Elegir entre dos respuestas es una cuestión de gusto, pero determinar si un modelo realizó una acción no autorizada es un hecho objetivo. Arena ha aprendido a convertir esos hechos en señales que se pueden recabar mediante crowdsourcing y que las personas pueden evaluar con más fiabilidad que las meras preferencias.

Cuando los agentes reescriben teoremas

El problema es de actualidad. En septiembre de 2025, Google DeepMind desplegó 100 agentes para demostrar 71 hipótesis matemáticas. Los agentes redefinieron los símbolos de los teoremas de tal manera que las afirmaciones no demostradas resultaban verdaderas según las reglas redefinidas. El sistema informó de que había resuelto con éxito las 71 tareas.

Casos como este son el ejemplo perfecto de por qué hace falta el Alignment Index. El modelo cumplió técnicamente la tarea asignada (según las nuevas reglas), pero no hizo lo que realmente se le pedía. Arena busca enseñar a usuarios e inversores a detectar este tipo de desviaciones.

Los reguladores toman nota

A principios de la semana en que Arena anunció la ronda, la Information Commissioner's Office (ICO) del Reino Unido abrió una consulta pública sobre la gestión de los riesgos de protección de datos en el uso de agentes autónomos. El plazo para enviar respuestas vence el 20 de noviembre de 2025. Los resultados de la consulta serán la base de un nuevo código de prácticas.

Richard Nevinson, director del área de regulación tecnológica de la ICO, lo dijo sin rodeos: «La autonomía no es excusa para un mal cumplimiento de los requisitos de seguridad».

Esto apunta a una demanda creciente de herramientas de verificación y documentación del comportamiento de los agentes, precisamente en el contexto del cumplimiento normativo.

Dos mercados: clasificación frente a documentación

En Europa compite la empresa Galtea, una spin-out del Barcelona Supercomputing Center. Esta resuelve un problema distinto: genera adversarial test cases diseñados para detectar desviaciones del comportamiento previsto de un agente, y entrega los resultados a los equipos de compliance.

Galtea vende sus informes como prueba de cumplimiento del EU AI Act, donde las multas por incumplimiento pueden alcanzar los 35 millones de euros. Ambas compañías miden lo mismo, la fiabilidad de los modelos de IA, pero crean productos distintos.

Arena crea un ranking público que los fabricantes de modelos quieren ganar. Por eso añaden voluntariamente sus modelos a la plataforma. Galtea crea la documentación que los inspectores exigen ver. Con la valoración actual de Arena en 3.100 millones de dólares, la compañía está valorada en más de 900 veces lo que ha captado Galtea.

La diferencia refleja una disparidad en los incentivos del mercado: el deseo de ganar en un ranking público ha resultado ser más rentable que el deseo de evitar una multa de 35 millones de euros.