Base44 推出專有 AI 模型,以增強其 Vibe Coding 平臺的安全性

Base44,這個一年前僅成立六個月、團隊規模僅為八人的初創公司,被Wix以8000萬美元收購,如今已開始部署其專有AI模型,幫助使用者使用自然語言構建應用程式。
這一進展正值AI社羣爭論前沿模型是否適用於所有用例,以及依賴外部模型的企業能否保持長期競爭優勢之時。總部位於灣區的Base44的最新戰略旨在解決這兩方面的擔憂。
儘管其定製大語言模型(LLM)剛剛推出,Base44的目標是最終超越前沿模型。創始人Maor Shlomo指出,“作為我們整個技術棧的一部分來訓練並擁有該模型,使我們能夠在延遲、成本和效率方面進行更多的最佳化。”
最初,這一戰略似乎旨在超越像瑞典初創公司Lovable這樣的競爭對手,後者去年夏天在A輪融資中憑藉外部LLM實現了獨角獸地位。然而,Shlomo預計其他規模較大的參與者也將訓練自己的模型,“至少是那些獲得了足夠規模和速度以積累足夠資料的參與者。”
風險投資公司Headline的普通合夥人Jonathan Userovici——該公司投資了Mistral AI等AI公司,但未投資Base44——將資料視為AI初創公司三大核心競爭壁壘之一,另外兩個是分發渠道和技術棧。
因此,擁有強大品牌的企業正利用其資料和基礎設施來增強競爭優勢,Base44也遵循這一模式。該公司表示,其第一代LLM Base1是基於“平臺上數千萬次真實使用者互動”所衍生的資料集進行訓練的。
該資料集將隨著其競爭對手的擴張而擴大。主要的競爭可能並非其他“氛圍編碼”(vibe-coding)初創公司,而是正在侵蝕Base44細分市場的AI前沿實驗室——Cursor和xAI(Grok的母公司,同樣由SpaceX擁有)現已活躍於這一領域,而Claude Code已成為一個重要的氛圍編碼工具。
這使得Anthropic和其他基礎AI提供商能夠獲取用於改進應用建立模型的資料和反饋迴圈。然而,Shlomo認為專業化賦予了Base44優勢,他預測“模型正在不斷進步,但它們在功能上將始終保持非常通用。”
Userovici警告不要低估前沿模型,他以法律科技初創公司Harvey為例,後者放棄了訓練自有模型的計劃。他並不認為應用AI公司會大規模轉變為前沿實驗室,但他將Base44的舉措置於一個更廣泛的趨勢中,即推理成本已成為關鍵因素。
Userovici指出,這種成本壓力推動了企業客戶所要求的變革。“他們在使用最新模型處理所有用例時,並不一定看到[投資回報],因此正在建立整個基礎設施來進行編排和最佳化,以選擇適合他們的模型,從而在保持大多數用例相同或相似效能的同時,避免成本飆升。”
儘管企業客戶在氛圍編碼平臺使用者中仍佔少數,但他們代表了日益增長的收入份額,且所有規模的使用者都越來越關注AI成本。Base44決定開發自己的LLM是由多種因素驅動的,其中降低成本是關鍵收益之一。
“我們希望獲得一個與我們認為正確的方向更一致的模型,它將針對我們看到的使用者喜歡的結果進行更多最佳化,並且最終對客戶來說比使用像Opus這樣的前沿模型更快、更便宜,”Shlomo說。
關於Base44本身,降低成本並非易事。公司在新聞稿中表示,“擁有模型使Base44能夠直接控制計算和推理支出,預計這將隨著時間的推移帶來結構上更強勁的利潤率。”
即使回報有所延遲,利潤率的改善也將有利於Base44的母公司,該公司最近宣佈裁員20%。相比之下,自被收購以來,Base44的員工人數一直在增長,並最近宣佈其年度經常性收入(ARR)已超過1億美元。
這一數字仍落後於Lovable,後者本月早些時候報告其年度經常性收入為5億美元。然而,Shlomo押注,開發Base1所需的“巨大工程努力”將鞏固Base44作為“唯一垂直整合的氛圍編碼應用程式”的地位——用Userovici的話來說,即一家同時擁有其分發渠道、資料和基礎設施的參與者。
相關文章
Multiverse Computing 推出免費壓縮生成式人工智慧模型
大型語言模型面臨著重大挑戰:其龐大的體積。西班牙新創公司Multiverse Computing正透過開發壓縮模型來解決此問題,旨在彌合尖端AI能力與企業實際可負擔部署方案之間的差距。其核心創新在於「CompactifAI」壓縮技術——這項受量子運算原理啟發的技術,已被這家巴斯克公司用於優化OpenAI的模型。即日起,開發者可在Hugging Face平台免費使用Multiverse增強版的Hyp
秘密追蹤數據揭露人工智慧模型遭竊事件
一種新方法能在數秒內對ChatGPT等模型進行隱形水印處理,無需重新訓練,既不會在標準輸出中留下痕跡,又能抵禦所有實際的移除嘗試。 水印技術與「版權誘餌」的核心差異在於:無論可見或隱藏的水印,通常設計為貫穿整個資料集(如圖像資料集)的恆定存在,藉此對隨意複製行為形成持續威懾。相對地,虛構條目是將一小段文字(通常為單詞或定義)植入龐大通用資料庫,旨在證明盜用行為。其原理在於:當整部作品遭未經授權複製
人工智慧系統被騙批准荒謬科學論文
最新研究揭示,人工智慧系統現已能生成虛假科學論文,且其他AI模型會誤判其為真實研究。這些偽造研究能成功繞過過往有效的檢測方法,凸顯研究生態系統面臨崩潰風險——可能陷入機器人欺騙機器人的循環漩渦。 諷刺的是,正處於AI創新前沿的學術研究領域,如今卻正面臨主要由AI引發的可信度危機。自約四年前機器學習的潛在影響顯現以來,其已深刻重塑了研究、投稿與同行評審流程。最新爭議涉及低品質問卷調查論文的批量生產。
相關專題推薦
評論 (0)
0/500

Base44,這個一年前僅成立六個月、團隊規模僅為八人的初創公司,被Wix以8000萬美元收購,如今已開始部署其專有AI模型,幫助使用者使用自然語言構建應用程式。
這一進展正值AI社羣爭論前沿模型是否適用於所有用例,以及依賴外部模型的企業能否保持長期競爭優勢之時。總部位於灣區的Base44的最新戰略旨在解決這兩方面的擔憂。
儘管其定製大語言模型(LLM)剛剛推出,Base44的目標是最終超越前沿模型。創始人Maor Shlomo指出,“作為我們整個技術棧的一部分來訓練並擁有該模型,使我們能夠在延遲、成本和效率方面進行更多的最佳化。”
最初,這一戰略似乎旨在超越像瑞典初創公司Lovable這樣的競爭對手,後者去年夏天在A輪融資中憑藉外部LLM實現了獨角獸地位。然而,Shlomo預計其他規模較大的參與者也將訓練自己的模型,“至少是那些獲得了足夠規模和速度以積累足夠資料的參與者。”
風險投資公司Headline的普通合夥人Jonathan Userovici——該公司投資了Mistral AI等AI公司,但未投資Base44——將資料視為AI初創公司三大核心競爭壁壘之一,另外兩個是分發渠道和技術棧。
因此,擁有強大品牌的企業正利用其資料和基礎設施來增強競爭優勢,Base44也遵循這一模式。該公司表示,其第一代LLM Base1是基於“平臺上數千萬次真實使用者互動”所衍生的資料集進行訓練的。
該資料集將隨著其競爭對手的擴張而擴大。主要的競爭可能並非其他“氛圍編碼”(vibe-coding)初創公司,而是正在侵蝕Base44細分市場的AI前沿實驗室——Cursor和xAI(Grok的母公司,同樣由SpaceX擁有)現已活躍於這一領域,而Claude Code已成為一個重要的氛圍編碼工具。
這使得Anthropic和其他基礎AI提供商能夠獲取用於改進應用建立模型的資料和反饋迴圈。然而,Shlomo認為專業化賦予了Base44優勢,他預測“模型正在不斷進步,但它們在功能上將始終保持非常通用。”
Userovici警告不要低估前沿模型,他以法律科技初創公司Harvey為例,後者放棄了訓練自有模型的計劃。他並不認為應用AI公司會大規模轉變為前沿實驗室,但他將Base44的舉措置於一個更廣泛的趨勢中,即推理成本已成為關鍵因素。
Userovici指出,這種成本壓力推動了企業客戶所要求的變革。“他們在使用最新模型處理所有用例時,並不一定看到[投資回報],因此正在建立整個基礎設施來進行編排和最佳化,以選擇適合他們的模型,從而在保持大多數用例相同或相似效能的同時,避免成本飆升。”
儘管企業客戶在氛圍編碼平臺使用者中仍佔少數,但他們代表了日益增長的收入份額,且所有規模的使用者都越來越關注AI成本。Base44決定開發自己的LLM是由多種因素驅動的,其中降低成本是關鍵收益之一。
“我們希望獲得一個與我們認為正確的方向更一致的模型,它將針對我們看到的使用者喜歡的結果進行更多最佳化,並且最終對客戶來說比使用像Opus這樣的前沿模型更快、更便宜,”Shlomo說。
關於Base44本身,降低成本並非易事。公司在新聞稿中表示,“擁有模型使Base44能夠直接控制計算和推理支出,預計這將隨著時間的推移帶來結構上更強勁的利潤率。”
即使回報有所延遲,利潤率的改善也將有利於Base44的母公司,該公司最近宣佈裁員20%。相比之下,自被收購以來,Base44的員工人數一直在增長,並最近宣佈其年度經常性收入(ARR)已超過1億美元。
這一數字仍落後於Lovable,後者本月早些時候報告其年度經常性收入為5億美元。然而,Shlomo押注,開發Base1所需的“巨大工程努力”將鞏固Base44作為“唯一垂直整合的氛圍編碼應用程式”的地位——用Userovici的話來說,即一家同時擁有其分發渠道、資料和基礎設施的參與者。
Multiverse Computing 推出免費壓縮生成式人工智慧模型
大型語言模型面臨著重大挑戰:其龐大的體積。西班牙新創公司Multiverse Computing正透過開發壓縮模型來解決此問題,旨在彌合尖端AI能力與企業實際可負擔部署方案之間的差距。其核心創新在於「CompactifAI」壓縮技術——這項受量子運算原理啟發的技術,已被這家巴斯克公司用於優化OpenAI的模型。即日起,開發者可在Hugging Face平台免費使用Multiverse增強版的Hyp
秘密追蹤數據揭露人工智慧模型遭竊事件
一種新方法能在數秒內對ChatGPT等模型進行隱形水印處理,無需重新訓練,既不會在標準輸出中留下痕跡,又能抵禦所有實際的移除嘗試。 水印技術與「版權誘餌」的核心差異在於:無論可見或隱藏的水印,通常設計為貫穿整個資料集(如圖像資料集)的恆定存在,藉此對隨意複製行為形成持續威懾。相對地,虛構條目是將一小段文字(通常為單詞或定義)植入龐大通用資料庫,旨在證明盜用行為。其原理在於:當整部作品遭未經授權複製
人工智慧系統被騙批准荒謬科學論文
最新研究揭示,人工智慧系統現已能生成虛假科學論文,且其他AI模型會誤判其為真實研究。這些偽造研究能成功繞過過往有效的檢測方法,凸顯研究生態系統面臨崩潰風險——可能陷入機器人欺騙機器人的循環漩渦。 諷刺的是,正處於AI創新前沿的學術研究領域,如今卻正面臨主要由AI引發的可信度危機。自約四年前機器學習的潛在影響顯現以來,其已深刻重塑了研究、投稿與同行評審流程。最新爭議涉及低品質問卷調查論文的批量生產。





首頁






