Wix купил стартап Base44 за $80 млн, когда тому было полгода и восемь сотрудников
Base44 запустил собственную LLM Base1, обученную на десятках миллионов взаимодействий пользователей
Собственная модель позволит снизить задержки, затраты и повысить эффективность, обходя внешние LLM
Выручка Base44 достигла $150 млн в год, но конкурент Lovable уже отчитался о $500 млн ARR
Base44, платформа для vibe coding, которую Wix приобрёл за $80 миллионов всего год назад (тогда компании было едва полгода, а в ней работало восемь человек), начала развёртывание собственной AI-модели. Она поможет пользователям создавать приложения с помощью естественного языка.
Источник изображения — techcrunch.com
Этот шаг происходит на фоне усиления дискуссий в AI-сообществе о том, насколько frontier-модели подходят для всех сценариев использования. С этим связан и другой вопрос: действительно ли бизнес, построенный на чужих моделях, может быть устойчивым в долгосрочной перспективе. Последнее решение Base44, базирующейся в Тель-Авиве, затрагивает оба аспекта.
Хотя собственная LLM только начинает внедряться, Base44 надеется, что со временем она превзойдёт frontier-модели. По словам основателя Маора Шломо, «обучение и владение моделью как частью нашего стека позволяет нам значительно лучше оптимизировать задержку, стоимость и эффективность».
На первый взгляд, это способ опередить конкурентов (например, шведский стартап Lovable, который полагается на внешние LLM и прошлым летом достиг статуса единорога в раунде Series A). Однако Шломо ожидает, что другие тоже начнут обучать собственные модели — «по крайней мере, игроки, достигшие достаточного масштаба и скорости для накопления данных».
По словам Джонатана Усеровичи, партнёра венчурной фирмы Headline (в её портфеле есть AI-компании, такие как Mistral AI, но не Base44), данные — один из трёх ключевых ингредиентов устойчивости для AI-стартапов, наряду с дистрибуцией и технологическим стеком.
В итоге игроки с сильными брендами теперь активно используют свои данные и инфраструктуру для повышения устойчивости. Base44 вписывается в эту модель: компания сообщает, что первая итерация её LLM, Base1, была разработана и обучена на наборе данных, сгенерированном из «десятков миллионов реальных взаимодействий пользователей на платформе».
Этот набор данных будет расти вместе с компанией, но и конкуренты не стоят на месте. Более серьёзная конкуренция может исходить не от стартапов в сфере vibe coding, а от frontier AI-лабораторий, которые приближаются к сфере деятельности Base44: Cursor и материнская компания Grok xAI теперь принадлежат SpaceX, а Claude Code сам стал игроком в области vibe coding.
Это даёт Anthropic и другим поставщикам фундаментальных AI-моделей доступ к данным и циклам обратной связи, которые можно использовать для улучшения моделей создания приложений. Но Шломо считает, что специализация даёт Base44 преимущество. «Модели развиваются, но они останутся очень общими в том, что могут делать», — предсказал он.
Усеровичи, в свою очередь, предостерег от недооценки frontier-моделей. Он привёл в пример юридический технологический стартап Harvey, который отказался от планов обучения собственной модели. Userovici не ожидает, что прикладные AI-компании массово превратятся в frontier-лаборатории, но рассматривает шаг Base44 в более широком контексте, где затраты на инференс стали значимой частью уравнения.
По словам Усеровичи, это давление затрат вызвало изменения, которые теперь требуют корпоративные клиенты. «Они не обязательно видят окупаемость инвестиций при использовании последних моделей для всех сценариев, поэтому создаётся целая инфраструктура для оркестрации и оптимизации, чтобы выбирать для них правильные модели. Так затраты не взлетают до небес, сохраняя ту же или аналогичную производительность для большинства случаев использования».
Корпоративные компании пока остаются меньшинством среди аудитории платформ для vibe coding, но они представляют растущую долю доходов платформ. Пользователи всех размеров начинают выражать обеспокоенность по поводу стоимости использования AI. Решение Base44 разработать собственную LLM было обусловлено несколькими факторами, но снижение затрат, вероятно, входит в число преимуществ.
«Мы хотим получить модель, которая будет более соответствовать тому, что мы считаем правильным, будет более оптимизирована под то, что нравится пользователям в плане получаемых результатов, и в конечном итоге будет быстрее и дешевле для клиентов, чем использование frontier-моделей, таких как Opus», — сказал Shlomo.
Что касается самой Base44, снижение затрат не так однозначно. В пресс-релизе компания пояснила, что «владение моделью даёт Base44 прямой контроль над расходами на вычисления и инференс, что, как ожидается, со временем приведёт к структурно более высокой марже».
Даже с отсроченной окупаемостью улучшение маржи стало бы хорошей новостью для материнской компании Base44, которая недавно объявила о сокращении 20% персонала. Напротив, Base44 с момента приобретения увеличила штат и объявила, что в мае, всего через два месяца после пересечения отметки в $100 миллионов, достигла $150 миллионов годового регулярного дохода.
Это всё ещё меньше, чем у Lovable, который заявил о достижении $500 миллионов ARR в начале этого месяца. Но Шломо делает ставку на то, что «огромные инженерные усилия» по разработке Base1 укрепят позиционирование Base44 как «единственного вертикально интегрированного приложения для vibe coding» — то есть, по определению Усеровичи, игрока, который одновременно владеет своей дистрибуцией, данными и инфраструктурой.
Экономика здесь важнее технологии. Компания, построенная поверх чужой модели, отдаёт значительную часть выручки поставщику API и не контролирует ни цену, ни доступность — как показал недавний опыт с экспортными ограничениями, второе может исчезнуть буквально за ночь. Собственная модель переводит переменные расходы в капитальные: обучение стоит дорого один раз, зато каждый последующий запрос обходится дешевле.
Риск обратной стороны тоже понятен: специализированная модель отстаёт от передовых по общим способностям, и разрыв нужно постоянно догонять. Отсюда и осторожность инвесторов — примеры компаний, отказавшихся от планов обучать собственную модель, в отрасли уже есть.
