Base44 lanza su propio modelo de IA Base1 para fortalecer la defensibilidad de su plataforma de vibe-coding

Base44, la plataforma de vibe-coding adquirida por Wix por 80 millones de dólares hace apenas un año —cuando la empresa tenía apenas seis meses de vida y un equipo de ocho personas— ha comenzado a implementar su propio modelo de inteligencia artificial para ayudar a sus usuarios a crear aplicaciones con lenguaje natural.

El movimiento se produce en medio de un intenso debate en los círculos de IA sobre si los modelos frontera (frontier models) son los más adecuados para todos los casos de uso. Una pregunta relacionada es si los negocios construidos sobre modelos de terceros son realmente defendibles a largo plazo. La última decisión de Base44, con sede en Tel Aviv, aborda ambas cuestiones.

Base1: el modelo propio de Base44

Aunque su LLM personalizado apenas está comenzando a desplegarse, Base44 espera que eventualmente supere a los modelos frontera. Según su fundador, Maor Shlomo, “entrenar y poseer el modelo como parte de nuestra pila completa nos permite muchas más optimizaciones en latencia, costo y eficiencia”.

A primera vista, esto podría ser una forma de mantenerse por delante de competidores como la startup sueca Lovable, que alcanzó el estatus de unicornio en su ronda Serie A el verano pasado y que depende de LLM externos. Sin embargo, Shlomo espera que otros entrenen sus propios modelos, “al menos los actores que han alcanzado suficiente escala y velocidad para tener suficientes datos”.

La defensibilidad en la era de la IA aplicada

Según Jonathan Userovici, socio general de la firma de capital de riesgo Headline —cuyo portafolio incluye empresas de IA como Mistral AI, pero no Base44—, los datos son uno de los tres ingredientes clave de la defensibilidad para las startups de IA, junto con la distribución y la pila tecnológica.

La conclusión es que los actores con marcas fuertes ahora están aprovechando sus datos e infraestructura para aumentar su defensibilidad, y Base44 encaja en ese patrón. La compañía afirma que la primera iteración de su LLM, Base1, fue desarrollada y entrenada con un conjunto de datos generado a partir de “decenas de millones de interacciones reales de usuarios en la plataforma”.

Competencia y especialización

Ese conjunto de datos seguirá creciendo con la compañía, pero también el de sus rivales. La mayor competencia quizás no provenga de las startups de vibe-coding, sino de los laboratorios frontera de IA que se acercan al territorio de Base44 —Cursor y la empresa matriz de Grok, xAI, ahora pertenecen a SpaceX, y Claude Code se ha convertido en un actor de vibe-coding por derecho propio.

Esto le da a Anthropic y otros proveedores de IA fundacional acceso a datos y bucles de retroalimentación que pueden usar para mejorar los modelos para la creación de aplicaciones, pero Shlomo cree que la especialización le da a Base44 una ventaja: “Los modelos están progresando, pero se mantendrán muy generales en lo que pueden hacer”, pronosticó.

Userovici, por su parte, advirtió contra subestimar los modelos frontera, citando el ejemplo de la startup de tecnología legal Harvey, que abandonó los planes de entrenar su propio modelo. No espera que las empresas de IA aplicada se conviertan en laboratorios frontera en masa, pero enmarca el movimiento de Base44 en un contexto más amplio: uno en el que los costos de inferencia se han convertido en una parte significativa de la ecuación.

Costos y márgenes: el factor económico

Esa presión de costos, dice Userovici, ha impulsado cambios que los clientes empresariales ahora exigen. “No necesariamente ven un retorno de la inversión al usar los modelos más recientes para todos los casos de uso, por lo que se está configurando una infraestructura completa para realizar orquestación y optimización y seleccionar los modelos adecuados para ellos, de modo que los costos no se disparen mientras se mantiene el mismo rendimiento o uno similar en la mayoría de los casos de uso”.

Las empresas todavía son una minoría entre la audiencia de las plataformas de vibe-coding, pero representan una parte creciente de los ingresos de la plataforma, y los usuarios de todos los tamaños están empezando a expresar preocupaciones sobre el costo de usar IA. La decisión de Base44 de desarrollar su propio LLM surgió de múltiples factores, pero la reducción de costos probablemente esté entre los beneficios. Shlomo explicó: “Queremos obtener un modelo que esté más alineado con lo que creemos que es lo correcto, que esté más optimizado para lo que vemos que les gusta a los usuarios en términos de resultados que obtenemos, y que sea más rápido y más barato para los clientes eventualmente que usar los modelos frontera como Opus”.

En cuanto a Base44 en sí, la reducción de costos no es tan clara. En un comunicado de prensa, la compañía explicó que “la propiedad del modelo le da a Base44 control directo sobre el gasto en cómputo e inferencia, lo que se espera que resulte en un perfil de margen estructuralmente más fuerte con el tiempo”.

Incluso con un retorno retrasado, unos márgenes mejorados serían una buena noticia para la empresa matriz de Base44, que recientemente anunció que despediría al 20% de su fuerza laboral. En contraste, Base44 ha seguido creciendo en número de empleados desde la adquisición, y anunció que había superado los $150 millones en ingresos anuales recurrentes en mayo, justo dos meses después de cruzar los $100 millones en ARR.

Eso sigue siendo menos que Lovable, que dijo que alcanzó $500 millones en ARR a principios de este mes. Pero Shlomo apuesta a que el “enorme esfuerzo de ingeniería” para desarrollar Base1 cimentará el posicionamiento de Base44 como la “única aplicación de vibe-coding verticalmente integrada” —es decir, en términos de Userovici, un actor que posee su distribución, datos e infraestructura al mismo tiempo.