Base44 выпустила собственную LLM, чтобы закрепиться на рынке low-code

Base44, платформа для разработки приложений на естественном языке (vibe-coding), которую Wix купила год назад за $80 млн всего за полгода после основания, начала развёртывание своей LLM-модели Base1. Это стратегический ход в контексте растущих споров в AI-индустрии: насколько бизнесы, построенные на чужих моделях, действительно защищены от конкуренции.

Base44 заявляет, что собственная модель будет оптимизирована по трём ключевым параметрам: задержка, стоимость и эффективность. Base1 обучена на датасете из десятков миллионов реальных взаимодействий пользователей платформы. Основатель Maor Shlomo подчёркивает: владение моделью позволяет гораздо шире оптимизировать эту цепочку.

Эта стратегия отражает более широкий тренд: компании со сложившимся брендом и достаточной масштабностью теперь опираются на владение данными, инфраструктурой и распределением. Конкурент Base44, шведский стартап Lovable (достиг статуса unicorn в Series A), пока полагается на внешние LLM; Lovable объявила $500M ARR, тогда как Base44 недавно упомянула $100M ARR.

Однако конкуренция придёт не только из vibe-coding-стартапов. Frontier-лаборатории заходят на ту же территорию: Cursor и xAI (SpaceX) сближаются, Claude Code, уже полноценный игрок на рынке low-code. Это дает Anthropic и другим поставщикам доступ к данным и feedback-циклам для улучшения моделей.

Шломо верит в силу специализации, но аналитики напоминают о случае юридического стартапа Harvey, бросившего планы по своей модели. Ключевой фактор, растущая цена инфера: enterprise-заказчики требуют оркестрации и выбора моделей для каждого usecase, чтобы затраты не взлетели. Base44 надеется, что собственная модель, будучи дешевле frontier-моделей типа Opus, станет структурным преимуществом.

Ключевые факты

Base44 (виб-кодинг платформа, Wix, $80M) развёртывает свою LLM Base1, обученную на десятках миллионов взаимодействий пользователей
Стратегия вертикальной интеграции: владение моделью, данными и дистрибьюшеном даёт контроль над задержкой, стоимостью и маржой
Конкуренция не ограничена низкокодовыми стартапами, frontier-лаборатории (Anthropic, xAI) тоже входят в эту нишу
Инвестиционный контекст: Lovable уже выросла до $500M ARR на внешних моделях; Base44 пока за 60x, но растёт с момента acquisition
Рыночный тренд: enterprise готовы платить за специализированные модели, дешевле и проще чем frontier-модели для narrow use-case

Почему это важно

Решение Base44 отражает перелом в AI-стратегиях: компании с достаточной масштабностью начинают видеть преимущество в вертикальной интеграции. Ставка на собственные модели вместо опоры на frontier-лаборатории позволяет контролировать цену, задержку и полноту оптимизации. Это признание того, что генеральные модели не всегда оптимальны для конкретного use-case, и компании готовы платить цену разработки, чтобы избежать переплаты за инференс.

Кому это важно

Разработчикам и стартапам, которые строят low-code/no-code платформы, теперь нужно выбирать: остаться на внешних моделях (как Lovable) или инвестировать в собственную разработку. Для enterprise-заказчиков это хорошо: растёт конкуренция, растёт давление на цены и специализацию. Для frontier-лабораторий (Anthropic, OpenAI, xAI) это сигнал: они сами должны специализировать модели, либо уступать низкокодовым стартапам, которые обучают узконаправленные аналоги.

Как это применить

Если вы строите SaaS на базе LLM: оценьте масштабность и volume вашего датасета. Если у вас есть миллионы взаимодействий в узкой нише, а frontier-модели для вашего use-case стоят дорого, вертикальная интеграция может окупиться. Стартапам на ранней стадии это недоступно (нет данных, капитала, team); но если вы достигли scale и марж на внешних моделях тают, инвестиция в fine-tuning или даже своё обучение перестанет быть сценарием SF.

Можно ли доверять

Maor Shlomo честно говорит о компромиссах: Base1, это ещё только начало, и Shlomo признаёт, что конкуренты тоже будут это делать. Аналитики (Jonathan Userovici, Headline) подтверждают, что данные, действительно ключевой фактор оборонительности. Однако случай Harvey показывает, что собственная модель, не гарантия: отказаться от неё можно, если результат не оправдает затраты.

Риски и подводные камни

Разработка LLM требует огромных инженерных затрат и никаких гарантий на рентабельность. Frontier-модели прогрессируют быстрее, чем любой applied player может специализировать. Base44 может проиграть гонке по quality, если Anthropic или OpenAI выкатят версии, оптимизированные под vibe-coding. Кроме того, в условиях layoff в материнской компании Wix давление на маржу только растёт, вложение в Base1 может оказаться затратным в краткосрочной перспективе.

«Владение моделью как частью всего стека позволяет нам гораздо больше оптимизировать по задержке, стоимости и эффективности.»

— Maor Shlomo, основатель Base44