Розмови про мільйони на вайбкодингу лунають звідусіль: мільйон за 17 днів, мільйон до жовтня, мільйон з одного промпта. Я вирішив провести перевірку: скільки проєктів дійсно подолали поріг у $100 000 місячної виручки або $1 000 000 загального доходу (включно із сумою екзиту). Картина виявилася значно скромнішою, ніж очікувалося. Якщо виключити проєкти, чий продукт сам по собі є AI-рішенням, залишається вкрай мало стартапів, заснованих саме на вайбкодингу.
У цьому аналізі я не змішую поняття ARR (річна регулярна виручка) та фактичну виручку. ARR — це проєкція поточного місяця, помножена на дванадцять, а не зароблені гроші. Там, де джерело вказує ARR, я це відзначаю та окремо перераховую місячну виручку. Порядок проєктів у таблиці нижче визначається не розміром виручки, а надійністю підтвердження фінансових показників.
Проєкти, що подолали поріг $100 000/місяць або $1 млн загального доходу
Список включає проєкти з публічними звітами про виручку від $100 000 на місяць або сукупним доходом від $1 000 000.
-
Medvi: $401 млн за перший рік
Телемедицина, що спеціалізується на препаратах GLP-1 для зниження ваги. Засновник Меттью Галлахер запустив проєкт у вересні 2024 року з вкладеннями близько $20 000. За даними публікацій, перший рік приніс $401 млн виручки, близько 250 000 клієнтів та $65 млн прибутку при маржі в 16%. Штат: дві людини (сам Галлахер та його брат Елліот), решта — підрядники.
- Вайбкодинг: Код, сайт та агенти писалися за допомогою Claude, Grok та ChatGPT. Візуал для реклами — Midjourney та Runway. Обдзвон клієнтів — ElevenLabs.
- Суть бізнесу: Основна частина бізнесу — лікарі, аптека, виписка рецептів та юридична обв’язка — винесена на аутсорс через CareValidate, OpenLoop Health та LegalZoom. Галлахер зосередився на збірці та трафіку.
-
Base44: продаж за $80 млн
конструктор додатків за текстовим описом, створений Маором Шломо. Запущений на початку 2025 року. У травні компанія показала $189 000 прибутку за місяць. У червні Wix оголосила про покупку за $80 млн готівкою. На момент угоди проєкт мав 250 000 користувачів. Шломо був єдиним власником, але на момент продажу в компанії працювало вісім осіб, яким пішло $25 млн від суми угоди як утримання.
- Вайбкодинг: Шломо цілеспрямовано будував кодову базу так, щоб більша її частина генерувалася моделями, і використовував маршрутизацію промптів між різними моделями. Це один з найчистіших прикладів, де продукт сам є вайбкодингом і побудований цим же методом.
- Підтвердження: Фінансові показники підтверджені документом угоди, а не твітом.
Peec AI: $4 млн ARR (до $833 000/місяць)
Берлінська компанія, що відстежує, як бренд представлений в AI-пошуку (ChatGPT, Perplexity, Gemini). Засновник Маріус Майнерс. Перший прототип був зібраний на v0 від Vercel приблизно за півтора дня. Продукт далі розроблявся традиційним способом, командою. У листопаді 2025 року компанія оголосила про Series A на $21 млн, всього залучено $29 млн. На той момент у Peec AI було 1300+ підключених компаній і ARR близько $4 млн (приблизно $333 000 на місяць). Пізніше ARR зріс до $10 млн (близько $833 000 на місяць).
- Вайбкодинг: Використовувався для швидкого створення прототипу та перевірки попиту, але основний продукт будувався традиційно.
Wave AI: $7 млн ARR
Додаток для запису, розшифровки та переказу звуку, орієнтований на звичайні розмови, а не зустрічі. Автор Джош Морер, колишній гендиректор Uber по Нью-Йорку, не програміст. Перший робочий прототип на Swift зібрав за день, використовуючи ChatGPT. Проект досяг $7 млн ARR при $3 млн річного прибутку та близько 4000 платних підписників.
- Вайбкодинг: Прототип створений за допомогою AI.
- Особливість: Високі витрати на доступ до кращих моделей для забезпечення якості розшифровки, що є ключовим продуктом.
Проекти, не дотягнувші до порогу, але часто згадувані
Ці проекти часто потрапляють у добірки, але їхні фінансові показники не відповідають заданому порогу.
-
Cal AI: $2 млн місячної виручки, але ярлик сумнівний
Додаток для підрахунку калорій за фотографією їжі. Автори Зак Ядегарі та Генрі Лангмак. Запуск у травні 2024 року. До липня 2025 року — 8,3 млн завантажень і, за даними CNBC Make It, близько $1,4 млн валового прибутку на місяць, а також згадується $2 млн місячної виручки. За грошима проходить, але за ярликом вайбкодингу — ні. TechCrunch розкрив, що Ядегарі писав код сам, почавши програмувати в десять років. Моделі Anthropic та OpenAI використовуються лише для розпізнавання зображень всередині продукту.
-
fly.pieter.com: $1 млн ARR, але пік $87 000/місяць
Симулятор польотів у браузері від Пітера Левелса. Базовий прототип за 30 хвилин. $1 млн ARR було оголошено в лютому 2025 року, через 17 днів після релізу. Пік місячної виручки — близько $87 000. Монетизація: платні моделі літаків та предмети за $29,99. Метод Левелса: «один промпт — один шар». $1 млн ARR — це річна проєкція, а не зароблений мільйон. Проєкт не досяг порогу в $100 000 місячної виручки.
-
Stanley: $1 млн ARR, але не виручка
AI-інструмент для роботи з контентом, створений Віталієм Додоновим та Джоном Ху за 14 днів. Версія для LinkedIn вийшла в червні 2025 року і через шість тижнів показувала $200 000 ARR. Позначку в $1 млн ARR команда пройшла до жовтня 2025 року. «Додаток за 14 днів» відноситься до першого робочого зрізу, а не до повного продукту. Основна цінність була додана вже після запуску. Знову ж таки, це ARR, а не фактична виручка.
-
Lumoo: €700 000 ARR, близько €58 000/місяць
Платформа для модних та рітейл-брендів від Хенріка Скагерлінда Фаста та Петера Тьорнгрена. Пропонує фотореалістичні візуалізації та віртуальну примірку. За кейсом Lovable, за дев’ять місяців продукт вийшов на €700 000 ARR, підключивши понад п’ятнадцять брендів. Мета — €1 млн ARR до листопада 2025 року. Місячна виручка близько €58 000, що нижче порогу. Успіх проєкту обумовлений галузевими зв’язками засновників, а не згенерованим інтерфейсом.
-
Plinq: $456 000 ARR, близько $38 000/місяць
Додаток для перевірки біографії та безпеки від Сабін Матос. Зібрано повністю на Lovable. Повідомлялося про 6 000 ARR, залучено R,3 млн та понад 10 000 користувачів. 6 000 ARR — це близько 000 на місяць, і це в кращому трактуванні. Кейс цікавий тим, що додаток зібрав аудиторію раніше, ніж гроші. Інвестиції прийшли після появи користувачів, а не через генерацію першої версії інструментом.
Загальні висновки та ключові фактори успіху
Аналіз показує, що успіх проєктів не зводиться до дешевого коду, згенерованого AI. Є кілька спільних рис у успішних стартапів.
Масштаб команди на старті
Чотири з п’яти успішних кейсів починали з однієї-двох осіб. Це не стільки заслуга вайбкодингу, скільки показник того, що продукт можна зібрати швидше, ніж сформувати команду.
Інфраструктура на чужих плечах
Успішні проєкти активно використовували сторонні сервіси та API:
- Medvi аутсорсив лікарів, аптеки та юристів.
- Wave AI використовував сторонні API для розшифровки.
- Cal AI — для розпізнавання та бази продуктів.
- Lumoo інтегрувався в уже існуючі робочі процеси брендів.
Будувати з нуля доводилося тільки те, чого не було на ринку.
Гроші приходять не від дешевого коду
Жоден продукт не виграв виключно за рахунок дешевого або згенерованого коду. Гроші приходили від інших факторів:
- Cal AI — за рахунок інфлюенсерів.
- Stanley — за рахунок дистрибуції через LinkedIn.
- Medvi — за рахунок підрядників з ліцензіями.
- Wave AI — за рахунок дорогого інференсу (обчислень моделей).
- Plinq — за рахунок аудиторії, яка з’явилася раніше виручки.
Генерація коду скорочує шлях до запуску, але не є основним джерелом доходу.
Метод багатомодельної перевірки
Майже всі команди з добірки використовують прийом: проганяти одне завдання через кілька моделей і звіряти результати. Так Peec AI перевіряв попит, Base44 маршрутизував промпти, а Левелс збирав шари гри, змінюючи модель під кожне завдання. Це дозволяє швидко перевіряти гіпотези і знаходити оптимальні рішення. Перевірити цей підхід можна за вечір: візьміть свій поточний промпт і проженіть його через три різні моделі, щоб побачити розбіжності та вибрати найкращий варіант.
Часто задавані питання
Який CPM вважати вигідним для тесту гіпотез?
Для тестування гіпотез важливий не тільки CPM, а й швидкість отримання даних. Якщо AI-інструменти дозволяють швидко генерувати креативи та запускати кампанії, то навіть при відносно високому CPM, тест гіпотез дешево обходиться за рахунок скорочення часу та трудовитрат. CPM вигідний — це той, який дає достатній обсяг даних для прийняття рішення при мінімальних витратах на запуск. Наприклад, якщо ціна за один готовий кліп, згенерований AI, дозволяє запустити 100 варіантів за той самий бюджет, що й 10 варіантів від людини, це вигідно.
Що дешевше: банерна реклама чи блогери?
Пряме порівняння за ціною складне, оскільки результат різний. Банерна реклама (скільки коштує 1 мільйон показів через банер) може бути дешевшою за CPM, наприклад, CPM дешевше 50 гривень за 1000 показів. Але блогери забезпечують нативну інтеграцію та довіру аудиторії. Для бюджетної альтернативи посівам у блогерів можна розглянути пакет мас-постинг ціна якого буде нижчою, але охоплення може бути менш цільовим. Дешевше ніж інфлюенсери може бути тільки свій трафік або дуже точковий таргет.
Чи варто інвестувати в AI для створення контенту?
Якщо мета — зниження вартості виробництва контенту та збільшення швидкості, то чи варто AI — однозначно так. Наприклад, ціна генерації 100 AI роликів буде в рази нижчою, ніж створення їх вручну. Вартість унікалізації одного відео за допомогою AI також значно знижує витрати. Однак важливо пам’ятати, що ціна vs результат — ключовий фактор. AI прискорює процес, але якісний результат все ще вимагає контролю та доопрацювання людиною.
Як оцінити вартість AI-виробництва відео?
Ціна за хвилину AI відео з аватаром може варіюватися. Важливо враховувати не тільки генерацію, але й скільки коштує нарізати 1 годину стріму на короткі кліпи за допомогою AI. Це дозволяє отримати багато контенту з одного джерела. Вартість публікації 500 відео, якщо вони згенеровані або нарізані AI, буде значно нижчою, ніж ручна робота. Що дешевше: банер чи таргет — це питання ефективності, а не тільки ціни, і AI може підвищити ефективність будь-якого каналу за рахунок персоналізації та масштабу.
Висновок
Аналіз показує, що «мільйони на вайбкодингу» — це скоріше міф, ніж реальність, якщо розглядати чистий дохід від згенерованого коду. Успіх проєктів криється в умінні швидко зібрати MVP, використовувати сторонню інфраструктуру та масштабувати бізнес через ефективну дистрибуцію та роботу з клієнтами, а не тільки за рахунок дешевого коду. Юніт-економіка цих проєктів тримається на комплексному підході. Перед тим як вірити в чергову історію успіху, завжди вимагайте скріни статистики та ставте головне питання: скільки принесе грошей з кожного витраченого рубля. Для тих, хто готовий експериментувати, рекомендуємо спробувати різні моделі на одному завданні. Використовуйте промокод CTRLAI для знижки 20% на будь-який тариф у SYNTX.AI.
