Base44 запускает Base1: когда AI-стартапу нужна своя модель, а когда нет

Андрей Отинов -

Команда из восьми человек, купленная Wix за $80 млн, когда продукту было полгода, — так выглядел Base44 год назад. Сегодня эта платформа для создания приложений на естественном языке (vibe-coding) начала rollout собственной языковой модели Base1. Для владельца или руководителя AI-стартапа это не просто новость о конкуренте. Это сигнал к проверке собственной стратегии: строить свою модель или оставаться на внешних LLM.

Источник: TechCrunch

Решение Base44 означает, что компания делает ставку на контроль над стеком, данными и затратами. Если вы управляете AI-продуктом, вам стоит оценить, какие из этих факторов уже работают на вас, а какие — против. Статья TechCrunch от 29 июня 2026 года даёт факты для такой оценки.

Что изменилось: от покупки Wix до собственной модели

Base44 — платформа, позволяющая создавать приложения через описание на естественном языке (vibe-coding). Год назад, когда стартапу было шесть месяцев, Wix приобрёл его за $80 млн. Сейчас компания начала rollout собственной LLM под названием Base1.

Модель обучена на «десятках миллионов реальных взаимодействий пользователей с платформой». Основатель Base44 Маор Шломо объясняет логику: «Обучение и владение моделью как частью всего стека даёт нам гораздо больше возможностей для оптимизации задержки, стоимости и эффективности».

Прямой конкурент — шведский стартап Lovable, достигший статуса единорога в раунде Series A летом 2025 года, — пока полагается на внешние LLM. Шломо ожидает, что другие игроки с достаточным масштабом и данными тоже начнут обучать собственные модели.

Почему это меняет стоимость, контроль и риски

Переход на собственную модель — это не технический выбор, а управленческий. Он затрагивает три ключевых параметра:

Стоимость. Затраты на инференс (выполнение запросов модели) стали значимой частью расходов AI-компаний. Венчурный партнёр Headline Джонатан Узеровичи, в портфеле которого есть Mistral AI, отмечает: корпоративные клиенты «не обязательно видят возврат инвестиций при использовании последних моделей для всех сценариев». Собственная модель позволяет снизить стоимость на типовых задачах.

Контроль над данными. Base44 использует данные реальных пользовательских сессий для обучения. Это создаёт замкнутый цикл: чем больше пользователей, тем лучше модель, тем выше качество продукта, тем больше пользователей. Внешняя модель такого цикла не даёт.

Зависимость от поставщика. Если ваш продукт стоит на API OpenAI, Anthropic или другой лаборатории, вы зависите от их цен, доступности и изменений модели. Собственная модель снижает эту зависимость, но создаёт новые риски — затраты на разработку и поддержку.

Три составляющих защищённости AI-стартапа

Узеровичи называет три ключевых ингредиента defensibility (защищённости бизнеса от конкуренции):

Ингредиент Что это значит на практике Пример из статьи
Данные Уникальный набор данных, который нельзя скопировать Base44 обучает модель на своих пользовательских сессиях
Дистрибуция Доступ к клиентам и каналам продаж Wix как владелец даёт доступ к базе клиентов
Технологический стек Собственная инфраструктура, а не аренда Собственная LLM как часть полного стека

Base44 соответствует всем трём пунктам. Вопрос в том, насколько это применимо к вашему стартапу.

Где скрыты риски и ограничения

Не все AI-компании могут и должны повторять путь Base44. Статья приводит важный контрпример.

Пример Harvey. Юридический tech-стартап Harvey отказался от планов обучать собственную модель. Узеровичи предупреждает: не стоит недооценивать frontier-модели (передовые модели от крупных лабораторий). Он не ожидает, что прикладные AI-компании массово станут frontier-лабораториями.

Конкуренция со стороны лабораторий. Главная угроза для Base44 — не другие vibe-coding стартапы, а сами создатели frontier-моделей. Cursor и xAI (Grok) теперь принадлежат SpaceX, Claude Code от Anthropic стал самостоятельным игроком в vibe-coding. У этих компаний есть доступ к данным и обратной связи для улучшения моделей под создание приложений.

Специализация vs универсальность. Шломо считает, что специализация даёт Base44 преимущество: «Модели прогрессируют, но остаются очень общими в том, что они могут делать». Однако Узеровичи предупреждает: недооценивать frontier-модели опасно.

Что проверить на этой неделе: практический чек-лист

Если вы управляете AI-продуктом или оцениваете инвестиции в AI-стартап, вот пять проверок, которые можно сделать без перестройки компании:

  1. Оцените долю затрат на инференс. Посчитайте, сколько вы платите за API LLM в месяц. Если это более 20-30% операционных расходов, стоит изучить варианты оптимизации — собственная модель или оркестрация нескольких моделей.
  2. Проверьте, какие данные вы накапливаете. Есть ли у вас уникальный набор данных, который нельзя получить из открытых источников? Если да, это потенциальный актив для обучения собственной модели.
  3. Определите, насколько вы зависимы от одного поставщика LLM. Если ваш продукт использует только одну модель (например, GPT-4), оцените риски: изменение цены, прекращение доступа, изменение поведения модели.
  4. Сравните стоимость собственной модели vs внешней. Учтите не только разработку, но и поддержку, инфраструктуру, команду. Для большинства стартапов внешняя модель остаётся дешевле.
  5. Посмотрите на конкурентов. Если ваши прямые конкуренты уже строят собственные модели, это может изменить рыночную динамику. Если нет — возможно, у вас есть временное преимущество.

Что может пойти не так

Даже если решение о собственной модели кажется правильным, есть несколько сценариев, которые стоит учитывать:

Затраты на разработку могут превысить экономию. Обучение и поддержка собственной LLM требует команды инженеров, вычислительных ресурсов и времени. Для стартапа с небольшим бюджетом это может быть неподъёмно.

Frontier-модели могут стать дешевле и лучше. Если Anthropic, OpenAI или Google продолжат снижать цены и улучшать качество, экономический смысл собственной модели может исчезнуть.

Данные могут не дать преимущества. Если ваши пользовательские данные не уникальны или их недостаточно, модель не станет лучше конкурентных.

Рынок может измениться быстрее, чем вы построите модель. Пока вы обучаете свою LLM, конкуренты могут занять нишу с помощью внешних моделей.

Источники

Темы журнала

Что почитать дальше