8人团队年入1亿
自研模型打Cursor

8个人，1亿美元ARR，现在还要自己训练大模型。

这不是段子，这是Base44的真实故事。一年前Wix以8000万美元收购这家成立仅半年的公司时，团队只有8个人。如今Base44正式推出自研大模型Base1，基于“平台上数千万真实用户交互数据”训练，目标是在延迟、成本和效率上全面超越调用外部前沿模型的方案。

创始人Maor Shlomo说的直白：“将模型训练纳入我们整个技术栈的一部分，让我们在延迟、成本和效率方面拥有更多优化空间。”翻译一下：调用别人的API，命脉永远在别人手里。

为什么vibe coding平台要自研模型

vibe coding——用自然语言描述需求、AI自动生成应用——是2026年最火的AI应用赛道之一。Lovable ARR达5亿美元，Base44 ARR突破1亿美元，还有大量小团队涌入。这个赛道的核心矛盾在于：产品体验建立在外部模型之上，而外部模型同时也在做自己的编程工具（Claude Code、OpenAI Codex、GitHub Copilot）。

这是一个经典的“渠道商vs品牌商”困境。你帮OpenAI和Anthropic找到了开发者使用场景，但它们随时可以通过自有产品（Claude Code、Codex）直达用户。Base44选择自研模型，本质上是在构建垂直整合的护城河：从模型到应用到用户数据，全链路掌控。

Shlomo的判断是：“模型在进步，但它们将保持通用性。”通用模型什么都能做，但在特定场景下不一定是最优解。vibe coding有自己独特的任务分布——大量前端组件生成、UI逻辑编排、数据库schema设计、部署配置——这些任务的模式高度重复，一个在这些数据上专门训练的小模型，未必比通用大模型差，但成本可以低很多。

自研模型是解药还是陷阱

但自研模型不是万能药。

Headline VC合伙人Jonathan Userovici（投资了Mistral AI）提醒不要低估前沿模型的迭代速度。他举了法律科技公司Harvey的例子——Harvey也曾计划自研模型，最终放弃。原因很简单：当你花6个月训练出一个模型，GPT或Claude的下一代可能已经把你的优势追平了。前沿模型的进步速度，可能比垂直模型的迭代速度更快。

成本也是一个现实考量。Base44坦承自研模型的成本下降“不是立竿见影”的，需要时间才能形成更强的利润结构。Wix近期宣布裁员20%，虽然Base44在被收购后持续扩张，但母公司的成本压力是真实存在的。

但Base44的赌注是：当vibe coding平台达到一定的用户规模和交互数据量，自研模型的ROI就会转正。数千万真实用户交互数据是大模型公司训练通用模型时不具备的——这些数据不是通用代码，而是真实的“人类意图→可运行应用”映射，这是vibe coding平台最核心的资产。

AI编程工具的战争，正在从“谁的补全更准、谁的Agent更可靠”蔓延到“谁的成本结构更可持续”。Base44选择了垂直整合，Lovable选择了继续依赖外部模型（目前ARR 5亿美元，比Base44大5倍），Cursor和Copilot则背靠大模型公司。三条路径，谁能笑到最后？

答案可能不是赢家通吃，而是分层共存——通用模型做底层基础设施，垂直模型做场景优化，应用层做用户体验。但有一点是确定的：在AI编程这个赛道，只做“套壳”的公司会越来越危险。

---

明天见。

---

明天见。