Design Arena：五百万用户正在帮 AI 模型做"审美评测"
据联合创始人 Grace Li 回忆，公司在 2025 年毕业前几周由几名大学同学共同创立，最初的目标是打造一款 AI 游戏引擎。彼时模型虽能生成可运行的小游戏，却普遍缺乏趣味性——这引出了一个核心问题：如何判断一款游戏是否好玩？ 答案是：没有替代方案，只能依靠真实用户判断。团队由此萌生了大规模获取诚实人类反馈的想法，并最终孵化出 AI 工具 Design Arena。如今该平台已拥有全球 530 万用户，许多前沿 AI 实验室愿意为此付费。
核心价值：AI 模型的"盲测打分系统"
对普通用户而言，Design Arena 的使用体验接近一个进阶版模型路由器：用户在一个类似 ChatGPT 的窗口中输入提示词，可通过下拉菜单指定输出格式（网站、图片或十余种视觉格式），随后系统会逐轮呈现"A vs. B"对比，用户将多个输出从最优排到最末。
真正价值在企业端显现：付费模型可将平台视为永续的即时反馈来源。用户并不在意自己评分的是哪个模型——他们只想要最优结果——因此这些排名数据能直接反映用户的真实偏好。对于前沿实验室而言，这项服务价值显而易见。
商业数据：ARR 已达 6000 万美元
Grace Li 透露，平台目前 ARR（年度经常性收入）已达 6000 万美元，已成为 AI 行业人类评估数据的关键来源。她将平台定位为"设计领域模型改进的缺失瓶颈"，并在获得第一笔大额合同后仅一周左右时间内，就锁定了与一家前沿实验室的合作。
本轮融资规模为 790 万美元种子轮，由 Index Ventures 领投，Conviction（Sarah Guo 与 Mike Vernal）、A*、Valkyrie 等机构跟投。
竞争格局：同类公司命运各异
值得关注的是，同类人类评估模式的初创公司境遇差异显著。今年早些时候，Yupp 在获得 a16z crypto 创始人 Chris Dixon 投资的 3300 万美元后关闭——尽管其声称拥有超过 130 万用户，并拿下了部分前沿模型客户，仍未能建立可持续的商业模式。相比之下，聚焦文本响应评估的 LM Arena 于今年 1 月完成 1.5 亿美元 A 轮融资（距付费产品正式推出仅四个月），目前保持增长态势。
此外，平台还通过用户登录机制追踪不同地区用户的审美偏好演变。Grace Li 指出，亚洲地区 Web 仪表盘普遍呈现更繁复的设计风格。这类数据对于自动化基准测试形成了重要补充——后者虽能规模化运行，却常面临被操纵或绕过的风险，Hugging Face 上周的安全事件已充分说明了这一点。
评论