Base44, 방어력을 강화하는 고유 AI 모델을 vibe 코딩 플랫폼에 공개

Base44은 1년 전, 팀이 8명으로 구성되고 설립된 지 불과 6개월 된 상태였을 때 Wix로부터 8,000만 달러에 인수된 vibe 코딩 플랫폼으로, 이제 자연어를 사용하여 애플리케이션을 구축할 수 있도록 자체 AI 모델을 배포하기 시작했습니다.
이러한 developments는 최첨단 모델이 모든 사용 사례에 최적인지, 그리고 외부 모델에 의존하는 기업들이 장기적인 방어력을 유지할 수 있는지에 대해 AI 커뮤니티가 논쟁을 벌이는 시점에 이루어집니다. 베이エリア에 본사를 둔 Base44의 최신 전략은 이러한 두 가지 우려 모두에 대응합니다.
사용자 지정 LLM이 이제 출시 단계에 있지만, Base44은 궁극적으로 최첨단 모델을 능가하는 것을 목표로 합니다. 창업자 Maor Shlomo은 “[우리의] 전체 스택의 일부로 모델을 학습하고 소유함으로써 지연 시간, 비용 및 효율성 측면에서 훨씬 더 많은 최적화가 가능해집니다”라고 언급했습니다.
초기에는 이 전략이 외부 LLM을 사용하여 지난 여름 시리즈 A 라운드에서 유니콘 지위를 달성한 스웨덴 스타트업 Lovable과 같은 경쟁사를 제치기 위해 설계된 것으로 보입니다. 그러나 Shlomo은 “적어도 충분한 규모와 속도를 확보하여 충분한 데이터를 가진 플레이어들은” 다른 잘 구성된 기업들도 자체 모델을 학습할 것으로 예상합니다.
Mistral AI와 같은 AI 기업에 투자하지만 Base44에는 투자하지 않는 VC 회사 Headline의 일반 파트너인 Jonathan Userovici는 데이터가 분배 및 기술 스택과 함께 AI 스타트업의 세 가지 주요 방어력 기둥 중 하나라고 지적합니다.
따라서 강력한 브랜드를 가진 기업들은 데이터와 인프라를 활용하여 방어력을 강화하고 있으며, 이는 Base44이 따르는 패턴입니다. 이 회사는 첫 번째 LLM 버전인 Base1이 플랫폼의 “수천만 건의 실제 사용자 상호작용”에서 파생된 데이터셋으로 학습되었다고 밝혔습니다.
이 데이터셋은 경쟁사들과 함께 확장될 것입니다. 주요 경쟁은 다른 vibe 코딩 스타트업이 아니라 Base44의 틈새 시장으로 진입하는 최첨단 AI 연구소일 수 있습니다. Cursor와 xAI(Grok의 모회사이자 SpaceX가 소유한 기업)가 이제 이 공간에서 활동하고 있으며, Claude Code는 중요한 vibe 코딩 도구로 부상했습니다.
이는 Anthropic 및 기타 기초 AI 제공업체가 앱 생성 모델을 개선하기 위한 데이터와 피드백 루프에 접근할 수 있게 합니다. 그러나 Shlomo은 전문화가 Base44에게 이점을 준다고 믿으며, “모델들은 발전하고 있지만, 그들이 할 수 있는 것은 매우 일반적일 것입니다”라고 예측합니다.
Userovici는 자체 모델 학습 계획을 포기한 법률 기술 스타트업 Harvey를 인용하여 최첨단 모델을 과소평가하지 말라고 경고합니다. 그는 적용 AI 회사들이 일괄적으로 최첨단 연구소가 될 것으로 예상하지 않지만, Base44의 움직임을 추론 비용이 중요한 요소가 된 더 넓은 트렌드 맥락에서 설명합니다.
Userovici는 이러한 비용 압력이 기업 고객들이 요구하는 변화를 이끌었다고 지적합니다. “그들은 모든 사용 사례에 최신 모델을 사용할 때 반드시 [투자 수익률]을 보지 못하므로, 대부분의 사용 사례에서 동일하거나 유사한 성능을 유지하면서 비용이 급등하지 않도록 올바른 모델을 선택하기 위한 오케스트레이션과 최적화를 수행하는 전체 인프라가 구축되고 있습니다.”
비록 기업 회사들이 vibe 코딩 플랫폼 사용자 중 소수를 차지하지만, 그들은 수익의 증가하는 부분을 나타내며, 모든 규모의 사용자들은 AI 비용에 대해 점점 더 우려하고 있습니다. Base44이 자체 LLM을 개발하기로 한 결정은 여러 요인에 기인했으며, 비용 절감이 주요 이점 중 하나였습니다.
“우리는 우리가 옳은 것이라고 생각하는 것에 더 부합하고, 우리가 얻는 결과에 대해 사용자가 선호하는 것에 대해 더 최적화되며, 결국 Opus과 같은 최첨단 모델을 사용하는 것보다 고객에게 더 빠르고 저렴할 모델을 얻고자 합니다,”라고 Shlomo은 말했습니다.
Base44 자체에 관해서는 비용 절감이 간단하지 않습니다. 보도자료에서 이 회사는 “모델 소유는 Base44이 컴퓨팅 및 추론 지출에 대한 직접적인 통제권을 갖게 하여 시간이 지남에 따라 구조적으로 더 강력한 마진 프로필을 결과할 것으로 예상됩니다”라고 밝혔습니다.
수익이 지연되더라도, 마진이 개선되면 최근 20%의 인력 감축을 발표한 Base44의 모회사에 도움이 될 것입니다. 반면, Base44은 인수 이후 직원 수를 늘렸으며 최근 연간 반복 수익이 1억 달러를 초과했다고 발표했습니다.
이 수치는 이번 달 초 5억 달러의 ARR을 보고한 Lovable에는 미치지 못합니다. 그러나 Shlomo은 Base1을 개발하기 위한 “엄청난 엔지니어링 노력”이 Base44을 “수직적으로 통합된 유일한 vibe 코딩 애플리케이션”으로 확고히 할 것이라고 믿습니다. 즉, Userovici의 용어로 말하면, 분배, 데이터 및 인프라를 모두 소유하는 플레이어입니다.
관련 기사
멀티버스 컴퓨팅, 무료 압축 생성형 AI 모델 출시
대규모 언어 모델은 상당한 과제에 직면해 있습니다: 바로 그 방대한 규모입니다. 스페인 스타트업 멀티버스 컴퓨팅(Multiverse Computing)은 최첨단 AI의 성능과 기업이 실질적으로 도입할 수 있는 수준 사이의 격차를 해소하기 위해 설계된 압축 모델을 개발함으로써 이 문제를 해결하고 있습니다.핵심 혁신은 양자 컴퓨팅 원리에서 영감을 받은 압축 기
비밀 추적 데이터, AI 모델 도용 사건 폭로
새로운 방법은 재훈련 없이도 ChatGPT와 같은 모델에 몇 초 만에 보이지 않는 워터마크를 적용할 수 있으며, 표준 출력물에 흔적을 남기지 않고 모든 실질적인 제거 시도를 견딥니다. 워터마킹과 '저작권 유인(copyright-baiting)'의 핵심 차이점은 워터마크(가시적이든 숨겨진 것이든)는 일반적으로 이미지 데이터셋과 같은 컬렉션 전체에 걸쳐 나타나
인공지능 시스템, 터무니없는 과학 논문을 승인하도록 속아넘어갔다
새로운 연구에 따르면, 인공지능 시스템이 이제 다른 인공지능 모델들이 진품으로 오인하는 사기성 과학 논문을 생성할 수 있게 되었다. 이러한 조작된 연구들은 기존에 효과적이었던 탐지 방법을 우회하며, 연구 생태계가 봇이 다른 봇을 속이는 악순환으로 붕괴될 위험성을 부각시키고 있다. 아이러니하게도 AI 혁신의 최전선에 있는 학술 연구 분야가 AI에 의해 촉발된
관련 특별 주제 추천
의견 (0)
0/500

Base44은 1년 전, 팀이 8명으로 구성되고 설립된 지 불과 6개월 된 상태였을 때 Wix로부터 8,000만 달러에 인수된 vibe 코딩 플랫폼으로, 이제 자연어를 사용하여 애플리케이션을 구축할 수 있도록 자체 AI 모델을 배포하기 시작했습니다.
이러한 developments는 최첨단 모델이 모든 사용 사례에 최적인지, 그리고 외부 모델에 의존하는 기업들이 장기적인 방어력을 유지할 수 있는지에 대해 AI 커뮤니티가 논쟁을 벌이는 시점에 이루어집니다. 베이エリア에 본사를 둔 Base44의 최신 전략은 이러한 두 가지 우려 모두에 대응합니다.
사용자 지정 LLM이 이제 출시 단계에 있지만, Base44은 궁극적으로 최첨단 모델을 능가하는 것을 목표로 합니다. 창업자 Maor Shlomo은 “[우리의] 전체 스택의 일부로 모델을 학습하고 소유함으로써 지연 시간, 비용 및 효율성 측면에서 훨씬 더 많은 최적화가 가능해집니다”라고 언급했습니다.
초기에는 이 전략이 외부 LLM을 사용하여 지난 여름 시리즈 A 라운드에서 유니콘 지위를 달성한 스웨덴 스타트업 Lovable과 같은 경쟁사를 제치기 위해 설계된 것으로 보입니다. 그러나 Shlomo은 “적어도 충분한 규모와 속도를 확보하여 충분한 데이터를 가진 플레이어들은” 다른 잘 구성된 기업들도 자체 모델을 학습할 것으로 예상합니다.
Mistral AI와 같은 AI 기업에 투자하지만 Base44에는 투자하지 않는 VC 회사 Headline의 일반 파트너인 Jonathan Userovici는 데이터가 분배 및 기술 스택과 함께 AI 스타트업의 세 가지 주요 방어력 기둥 중 하나라고 지적합니다.
따라서 강력한 브랜드를 가진 기업들은 데이터와 인프라를 활용하여 방어력을 강화하고 있으며, 이는 Base44이 따르는 패턴입니다. 이 회사는 첫 번째 LLM 버전인 Base1이 플랫폼의 “수천만 건의 실제 사용자 상호작용”에서 파생된 데이터셋으로 학습되었다고 밝혔습니다.
이 데이터셋은 경쟁사들과 함께 확장될 것입니다. 주요 경쟁은 다른 vibe 코딩 스타트업이 아니라 Base44의 틈새 시장으로 진입하는 최첨단 AI 연구소일 수 있습니다. Cursor와 xAI(Grok의 모회사이자 SpaceX가 소유한 기업)가 이제 이 공간에서 활동하고 있으며, Claude Code는 중요한 vibe 코딩 도구로 부상했습니다.
이는 Anthropic 및 기타 기초 AI 제공업체가 앱 생성 모델을 개선하기 위한 데이터와 피드백 루프에 접근할 수 있게 합니다. 그러나 Shlomo은 전문화가 Base44에게 이점을 준다고 믿으며, “모델들은 발전하고 있지만, 그들이 할 수 있는 것은 매우 일반적일 것입니다”라고 예측합니다.
Userovici는 자체 모델 학습 계획을 포기한 법률 기술 스타트업 Harvey를 인용하여 최첨단 모델을 과소평가하지 말라고 경고합니다. 그는 적용 AI 회사들이 일괄적으로 최첨단 연구소가 될 것으로 예상하지 않지만, Base44의 움직임을 추론 비용이 중요한 요소가 된 더 넓은 트렌드 맥락에서 설명합니다.
Userovici는 이러한 비용 압력이 기업 고객들이 요구하는 변화를 이끌었다고 지적합니다. “그들은 모든 사용 사례에 최신 모델을 사용할 때 반드시 [투자 수익률]을 보지 못하므로, 대부분의 사용 사례에서 동일하거나 유사한 성능을 유지하면서 비용이 급등하지 않도록 올바른 모델을 선택하기 위한 오케스트레이션과 최적화를 수행하는 전체 인프라가 구축되고 있습니다.”
비록 기업 회사들이 vibe 코딩 플랫폼 사용자 중 소수를 차지하지만, 그들은 수익의 증가하는 부분을 나타내며, 모든 규모의 사용자들은 AI 비용에 대해 점점 더 우려하고 있습니다. Base44이 자체 LLM을 개발하기로 한 결정은 여러 요인에 기인했으며, 비용 절감이 주요 이점 중 하나였습니다.
“우리는 우리가 옳은 것이라고 생각하는 것에 더 부합하고, 우리가 얻는 결과에 대해 사용자가 선호하는 것에 대해 더 최적화되며, 결국 Opus과 같은 최첨단 모델을 사용하는 것보다 고객에게 더 빠르고 저렴할 모델을 얻고자 합니다,”라고 Shlomo은 말했습니다.
Base44 자체에 관해서는 비용 절감이 간단하지 않습니다. 보도자료에서 이 회사는 “모델 소유는 Base44이 컴퓨팅 및 추론 지출에 대한 직접적인 통제권을 갖게 하여 시간이 지남에 따라 구조적으로 더 강력한 마진 프로필을 결과할 것으로 예상됩니다”라고 밝혔습니다.
수익이 지연되더라도, 마진이 개선되면 최근 20%의 인력 감축을 발표한 Base44의 모회사에 도움이 될 것입니다. 반면, Base44은 인수 이후 직원 수를 늘렸으며 최근 연간 반복 수익이 1억 달러를 초과했다고 발표했습니다.
이 수치는 이번 달 초 5억 달러의 ARR을 보고한 Lovable에는 미치지 못합니다. 그러나 Shlomo은 Base1을 개발하기 위한 “엄청난 엔지니어링 노력”이 Base44을 “수직적으로 통합된 유일한 vibe 코딩 애플리케이션”으로 확고히 할 것이라고 믿습니다. 즉, Userovici의 용어로 말하면, 분배, 데이터 및 인프라를 모두 소유하는 플레이어입니다.
멀티버스 컴퓨팅, 무료 압축 생성형 AI 모델 출시
대규모 언어 모델은 상당한 과제에 직면해 있습니다: 바로 그 방대한 규모입니다. 스페인 스타트업 멀티버스 컴퓨팅(Multiverse Computing)은 최첨단 AI의 성능과 기업이 실질적으로 도입할 수 있는 수준 사이의 격차를 해소하기 위해 설계된 압축 모델을 개발함으로써 이 문제를 해결하고 있습니다.핵심 혁신은 양자 컴퓨팅 원리에서 영감을 받은 압축 기
비밀 추적 데이터, AI 모델 도용 사건 폭로
새로운 방법은 재훈련 없이도 ChatGPT와 같은 모델에 몇 초 만에 보이지 않는 워터마크를 적용할 수 있으며, 표준 출력물에 흔적을 남기지 않고 모든 실질적인 제거 시도를 견딥니다. 워터마킹과 '저작권 유인(copyright-baiting)'의 핵심 차이점은 워터마크(가시적이든 숨겨진 것이든)는 일반적으로 이미지 데이터셋과 같은 컬렉션 전체에 걸쳐 나타나
인공지능 시스템, 터무니없는 과학 논문을 승인하도록 속아넘어갔다
새로운 연구에 따르면, 인공지능 시스템이 이제 다른 인공지능 모델들이 진품으로 오인하는 사기성 과학 논문을 생성할 수 있게 되었다. 이러한 조작된 연구들은 기존에 효과적이었던 탐지 방법을 우회하며, 연구 생태계가 봇이 다른 봇을 속이는 악순환으로 붕괴될 위험성을 부각시키고 있다. 아이러니하게도 AI 혁신의 최전선에 있는 학술 연구 분야가 AI에 의해 촉발된





집






