Arena (Chatbot Arena) entwickelt sich zum De-facto-Testfeld für Frontier-KI-Modelle vor ihrer Veröffentlichung. GPT-4o erschien auf Arena, bevor es offiziell in ChatGPT eingeführt wurde. Anthropic, Google und andere Labore nutzen Arenas Infrastruktur für verblindete A/B-Tests, um Release-Kandidaten anhand der Präferenzen echter Nutzer zu überprüfen, bevor sie in den Produktivbetrieb gehen. So erhalten die Labore unverzerrte Leistungssignale und können aus mehreren Checkpoints die stärkste Variante auswählen. Im Grunde sind Arenas per Crowdsourcing ermittelten Elo-Ranglisten inzwischen Teil der Deployment-Pipeline großer KI-Anbieter.