Después de que Wix comprara Base44, Base1 usa datos reales de interfaz de usuario para desafiar a los LLM de frontera

Todo el mundo quiere el modelo más grande hasta que el modelo grande diseña tu flujo de incorporación como un formulario de impuestos con zapatillas. El nuevo Base1 de Base44 es interesante porque no intenta ganarle por fuerza bruta a todos los laboratorios de frontera en todo. Apunta a un problema desordenado y valioso: generar mejores interfaces de aplicaciones dentro de un flujo de trabajo de vibe-coding. Eso es menos ópera de ciencia ficción y más tostadora extremadamente obstinada, que suele ser donde realmente vive el software útil.

Lo que Base44 lanzó realmente Según Let’s Data Science, Base44, la plataforma de

vibe-coding propiedad de Wix, ha comenzado a desplegar Base1, un modelo propietario ajustado sobre un modelo base de código abierto usando datos de las propias sesiones de creación de aplicaciones de sus usuarios. El informe atribuye el momento a la publicación de blog del 29 de junio de 2026 del fundador Maor Shlomo y dice que Base44 fue adquirida por Wix por al menos 80 millones de dólares en 2025. Base1 aparece ahora en el selector de modelos de Base44 junto a GPT-5.5 y Opus 4.8 de Claude, lo cual es el equivalente en menú de modelos a poner tu chili casero junto a chefs Michelin y decir: en realidad, el nuestro conoce el barrio. The Next Web informa que Base1 ya está en producción y atendiendo a usuarios, y que Base44 afirma que es la primera plataforma de creación de aplicaciones en lanzar su propio modelo propietario en lugar de solo alquilar a OpenAI o Anthropic. La afirmación importa menos como trofeo y más como estrategia: si todo el mundo tiene acceso a los mismos modelos generales, la capa de producto empieza a parecer cajas de cereal idénticas con mascotas distintas. Base44 apuesta a que los datos específicos del flujo de trabajo pueden convertirse en el diferenciador.

Por qué los datos del producto son el foso que quiere Base44 The Next Web dice

que Base44 entrenó Base1 con un conjunto de datos extraído de “decenas de millones de interacciones reales de usuarios” en su plataforma. Esa es la parte sabrosa. Los modelos de frontera generalistas se entrenan para ser ampliamente competentes, lo cual es maravilloso hasta que necesitas que hagan una pantalla de inicio de sesión que no parezca ensamblada por un comité de menús desplegables embrujados. Let’s Data Science informa que Shlomo describió el objetivo como un modelo más pequeño y especializado que pueda superar a los modelos generales de frontera en una tarea, crear aplicaciones, mientras funciona de forma más barata y rápida. Es una tesis técnica sensata, no polvo mágico. Los modelos más estrechos pueden ganar cuando la distribución de tareas está acotada, el ciclo de retroalimentación es ajustado y el producto puede observar lo que los usuarios realmente aceptan, revisan, abandonan o lanzan. En términos de ML, Base44 está intentando convertir el escape del producto en supervisión; en términos humanos, está aprendiendo de todas las veces que alguien gritó: no, el botón va ahí.

La lección para creadores escondida bajo el confeti del entusiasmo Let’s Data

Science también señala que Base44 dice que ha crecido hasta 2 millones de usuarios y una tasa anualizada de ingresos recurrentes de 150 millones de dólares. Esas cifras importan porque los modelos especializados necesitan datos especializados, y los datos especializados solo se acumulan si la gente usa el producto lo suficiente como para generar señales útiles. Un modelo pequeño de flujo de trabajo sin datos de uso es simplemente un modelo de frontera bonsái: adorable, caro y probablemente regado de más. Para quienes crean productos, la conclusión no es que cada producto necesite su propio LLM para el martes. La lección es preguntarte si tu flujo de trabajo tiene estructura repetible, resultados medibles y suficientes datos de interacción como para enseñar a un modelo algo que un LLM general sigue pasando por alto. La generación de UI es una buena candidata porque los usuarios revelan preferencias mediante ediciones, nuevas ejecuciones, diseños aceptados e intentos abandonados. Si tu producto tiene ese tipo de bucle, la especialización puede mejorar la calidad, la latencia y el costo sin fingir que resuelve el plegamiento de proteínas durante la pausa del café.

Qué observar ahora

The Next Web presenta el movimiento de Base44 como una apuesta a que poseer el modelo, en lugar de alquilarlo a OpenAI o Anthropic, puede convertirse en un foso en la creación de aplicaciones. Let’s Data Science añade un matiz geopolítico, informando que Base44 ve los modelos especializados más pequeños en parte como una cobertura frente a las crecientes restricciones de EE. UU. al acceso a modelos de frontera. Eso no significa que los modelos de frontera sean de pronto las sobras de ayer. Significa que la pila se está volviendo más plural: modelos generales para amplitud, modelos especializados para trabajo de producto repetido y lógica de enrutamiento para decidir qué cerebro toma el volante. Para los lectores que crean productos de IA, observen si Base1 mejora visiblemente la calidad de la UI generada, reduce los tiempos de espera o cambia la presión de precios dentro del flujo de trabajo de Base44. Observen también si los competidores responden con sus propios modelos verticales o simplemente añaden otra pestaña de API de frontera y una página de inicio motivacional. El modelo de frontera sigue siendo la navaja suiza, pero Base44 sostiene que a veces necesitas un destornillador, no una cuchara con financiación de capital de riesgo.