DesignArena 的创始人 Grace Li 讲述，项目始于 2025 年毕业前几周，几个大学朋友试图让他们的 AI 游戏引擎跑起来。模型能生成可玩的游戏，但都不好玩——这引出一个核心问题：如何判断一个游戏是否有趣？他们得出的结论是，人类判断不可替代，于是开始探索规模化获取真实人类反馈的方法。结果诞生了 DesignArena，一个目前全球有 530 万用户 的 AI 工具。

实际运行中，不光是游戏，大量 AI 公司都面临同样的瓶颈：缺乏可规模化的用户反馈来改进设计。DesignArena 很快签下第一家前沿实验室客户。其母公司 Intelligence 本周宣布完成 790 万美元 的种子轮融资，由 Index Ventures 领投，Conviction、A*、Valkyrie 等跟投。

对非企业用户来说，DesignArena 像一个高级模型路由器。用户输入提示和格式（网站、图片等十几种视觉格式），然后系统提供一系列“A vs. B”比较，用户对输出进行排序。真正的价值在企业端：参与的模型可以将平台视为持续、即时的反馈源。用户不关心具体是哪个模型在产出，只想要最好的结果，因此他们的排名直接反映了真实偏好。Li 表示，网站目前产生 6000 万美元 的年化收入（ARR），巩固了其作为 AI 行业关键人类评估数据源的地位。

关键设计是用户必须登录才能获取输出，因此 Intelligence 还能追踪不同地区和时间段上口味的变化（例如亚洲的网页仪表板倾向于更极繁的设计风格）。这类人工反馈是对自动化基准的重要补充——后者虽然规模更大，但容易被操纵或篡改，正如上周 Hugging Face 的安全漏洞所展示的那样。

不过，众包人类反馈并非稳赢的市场。仅成立不到一年的 Yupp 在筹集了 3300 万美元后于今年早些时候关闭，它也曾有前沿模型客户和超过 130 万用户，但未能建立可持续业务。相比之下，类似模式但专注于文本回复的 LM Arena 在推出付费产品仅 4 个月后，于今年 1 月完成了 1.5 亿美元 的 A 轮融资。这表明人类评估赛道正在分化，成败取决于执行和差异化。