Arena (Chatbot Arena) semakin menjadi ajang pengujian pra-rilis de facto bagi model AI terdepan. GPT-4o muncul di Arena sebelum peluncuran resmi ChatGPT. Anthropic, Google, dan laboratorium lainnya menggunakan infrastruktur pengujian A/B buta Arena untuk memvalidasi kandidat rilis berdasarkan preferensi pengguna nyata sebelum menerapkannya ke lingkungan produksi. Hal ini memberi laboratorium sinyal performa yang tidak bias dan membantu mereka memilih varian terbaik dari beberapa checkpoint. Intinya, peringkat Elo Arena yang bersumber dari banyak pengguna kini menjadi bagian dari alur penerapan bagi penyedia AI besar.