Depois que a Wix comprou a Base44, a Base1 usa dados reais de UI para desafiar LLMs de ponta

Todo mundo quer o maior modelo, até que o modelo grande cria seu fluxo de onboarding como um formulário de imposto usando tênis. O novo Base1 da Base44 é interessante porque não tenta superar todos os laboratórios de ponta em tudo. Ele mira em um problema bagunçado e valioso: gerar UIs de app melhores dentro de um fluxo de trabalho de vibe coding. Isso é menos ópera de ficção científica e mais uma torradeira extremamente opinativa, que muitas vezes é exatamente onde softwares úteis de verdade vivem.

O que a Base44 realmente lançou De acordo com

a Let’s Data Science, a Base44, plataforma de vibe coding pertencente à Wix, começou a lançar o Base1, um modelo proprietário ajustado a partir de um modelo-base open source usando dados das sessões de criação de apps de seus próprios usuários. A reportagem atribui o momento ao post de blog de 29 de junho de 2026 do fundador Maor Shlomo e diz que a Base44 foi adquirida pela Wix por pelo menos US$ 80 milhões em 2025. O Base1 agora aparece no seletor de modelos da Base44 ao lado do GPT-5.5 e do Opus 4.8 da Claude, o que é o equivalente, no menu de modelos, a colocar o chili caseiro da sua casa ao lado de chefs Michelin e dizer: na verdade, o nosso conhece o bairro. A The Next Web informa que o Base1 já está em produção e atendendo usuários, e que a Base44 afirma ser a primeira plataforma de criação de apps a lançar seu próprio modelo proprietário, em vez de apenas alugar de OpenAI ou Anthropic. A afirmação importa menos como troféu e mais como estratégia: se todo mundo tem acesso aos mesmos modelos gerais, a camada de produto começa a parecer caixas de cereal idênticas com mascotes diferentes. A Base44 está apostando que dados específicos do fluxo de trabalho podem se tornar o diferencial.

Por que os dados de produto são o fosso que a Base44 quer A The Next Web diz

que a Base44 treinou o Base1 em um conjunto de dados extraído de “dezenas de milhões de interações reais de usuários” em sua plataforma. Essa é a parte picante. Modelos generalistas de ponta são treinados para serem amplamente competentes, o que é maravilhoso até você precisar que eles façam uma tela de login que não pareça ter sido montada por um comitê de menus suspensos assombrados. A Let’s Data Science relata que Shlomo descreveu o objetivo como um modelo menor e especializado que pode superar modelos generalistas de ponta em uma tarefa: criar apps, enquanto roda de forma mais barata e rápida. Essa é uma tese técnica sensata, não pó mágico. Modelos mais restritos podem vencer quando a distribuição da tarefa é limitada, o ciclo de feedback é curto e o produto consegue observar o que os usuários realmente aceitam, revisam, abandonam ou publicam. Em termos de ML, a Base44 está tentando transformar o rastro do produto em supervisão; em termos humanos, ela está aprendendo com todas as vezes em que alguém gritou: não, o botão vai ali.

A lição para builders escondida sob o confete do hype

A Let’s Data Science também observa que a Base44 diz ter crescido para 2 milhões de usuários e uma taxa anual recorrente de US$ 150 milhões. Esses números importam porque modelos especializados precisam de dados especializados, e dados especializados só se acumulam se pessoas estiverem usando o produto o suficiente para gerar sinais úteis. Um modelinho de fluxo de trabalho sem dados de uso é apenas um modelo de ponta em bonsai: adorável, caro e provavelmente regado demais. Para builders, a conclusão não é que todo produto precisa ter seu próprio LLM até terça-feira. A lição é perguntar se o seu fluxo de trabalho tem estrutura repetível, resultados mensuráveis e dados de interação suficientes para ensinar a um modelo algo que um LLM geral continua deixando passar. Geração de UI é uma boa candidata porque os usuários revelam preferências por meio de edições, novas execuções, layouts aceitos e tentativas abandonadas. Se o seu produto tem esse tipo de ciclo, a especialização pode melhorar qualidade, latência e custo sem fingir que vai resolver o dobramento de proteínas durante o intervalo do café.

O que observar a seguir A The Next Web enquadra

o movimento da Base44 como uma aposta de que possuir o modelo, em vez de alugá-lo da OpenAI ou da Anthropic, pode se tornar um fosso competitivo na criação de apps. A Let’s Data Science acrescenta uma nuance geopolítica, relatando que a Base44 vê modelos menores e especializados em parte como uma proteção contra restrições crescentes dos EUA ao acesso a modelos de ponta. Isso não significa que modelos de ponta viraram de repente as sobras de ontem. Significa que a pilha está ficando mais plural: modelos gerais para amplitude, modelos especializados para trabalho de produto repetido e lógica de roteamento para decidir qual cérebro assume o volante. Para leitores que estão criando produtos de IA, observe se o Base1 melhora visivelmente a qualidade das UIs geradas, reduz tempos de espera ou altera a pressão de preços dentro do fluxo de trabalho da Base44. Observe também se concorrentes respondem com seus próprios modelos verticais ou apenas adicionam outra aba de API de ponta e uma landing page motivacional. O modelo de ponta ainda é o canivete suíço, mas a Base44 está argumentando que, às vezes, você precisa de uma chave de fenda, não de uma colher com financiamento de venture capital.