Chatbase vs Botpress 2026: RAG no-code против open-source платформы

Chatbase и Botpress оба позиционируются как «AI-агенты для бизнеса», но дальше их пути расходятся радикально. Chatbase в 2025 году перешёл с риторики «chatbot builder» на «AI-агенты с Actions», сохранив главный принцип — no-code-настройка из браузера. Залил документы и URL, выбрал каналы (виджет, WhatsApp, Slack, Instagram, Facebook, Telegram), нажал «Deploy» — агент отвечает.

Botpress запущен в 2016 году в Монреале, и долгие годы он был известен как open-source-фреймворк для разработчиков. В 2025 году вышел Botpress Cloud с проприетарным движком Autonomous Engine (LLMz), но MIT-лицензированная V12 продолжает развиваться параллельно. Это платформа, на которой собирают агентов как из конструктора: визуальный flow, custom JavaScript actions, Tables как мини-БД внутри бота.

Главная развилка — кто будет настраивать бот. Если в команде нет разработчика, Botpress превратится в библиотеку гайдов, по которым некому пройти. Если разработчик есть и нужна гибкость (custom actions, выбор LLM, self-host), Chatbase упрётся в потолок настроек уже на втором сложном сценарии.

Chatbase сознательно ушёл от классического flow-редактора в сторону «опиши задачу промптом — агент решит сам». Внутри агента есть AI Actions: подключаешь Stripe, Calendly, Slack — и агент по контексту запроса вызывает нужное действие. На тарифе Hobby — 5 Actions на агента, на Standard — 8, на Pro — 12. Это удобно, пока сценарий укладывается в «семантический выбор из коробки», и неудобно, когда нужна жёсткая логика «если клиент VIP, маршрутизируй в очередь A, иначе B».

Botpress Agent Studio — это полноценный визуальный flow builder с условиями, переменными, циклами, custom JavaScript-кодом прямо в шаге flow. Поверх классических flows работает Autonomous Engine (LLMz): он позволяет агенту самому выбрать следующий шаг, не привязываясь к жёсткому скрипту. То есть Botpress даёт обе модели сразу — детерминированную и автономную, — а Chatbase ставит только на автономную.

В одной фразе: Chatbase делает ставку на «бот сам разберётся, что вызвать», Botpress — на «разработчик нарисует точно, а LLM включится там, где надо». Для типового FAQ обе модели справятся; для процесса с возвратами, эскалациями и VIP-маршрутизацией Botpress гибче на порядок.

Chatbase построен как RAG-first платформа: это его профильная функция. Бот обучается на PDF, DOCX, URL, базах данных. На Pro есть две уникальные фичи, которые мы в категории больше нигде не встречали: source suggestions — AI сам предлагает, какие документы добавить, чтобы агент чаще отвечал точно; и tickets as source — закрытые тикеты поддержки превращаются в обучающий материал. Плюс auto-retraining: обновили документ — бот перезаливается без участия человека.

Botpress тоже умеет в RAG через Knowledge Base — ingestion из PDF, URL, Notion, Google Drive, встроенный vector search. Но KB у Botpress — один из модулей платформы, а не её центр. У Chatbase KB — фундамент; у Botpress — инструмент в наборе. Разница важна, когда у вас 500 страниц документации и нужно, чтобы система сама подсказывала, где пробелы.

Тонкий момент с лимитами Chatbase: 10 MB/агент на Hobby, 20 MB на Standard, 40 MB на Pro. Если у вас 500 страниц PDF с диаграммами и таблицами — Hobby упрётся в потолок уже на первой партии. У Botpress хранилище привязано не к лимиту MB, а к плану и AI Spend; на Plus и Team практических ограничений мы не встретили.

Chatbase эксклюзивно среди no-code-конструкторов RAG-ботов даёт AI model comparison — A/B-тестирование разных LLM-моделей на ваших реальных данных, чтобы выбрать модель под задачу. Сюда же — cursor-based pagination API для работы с разговорами на enterprise-объёмах. И white-label через дополнение за $1 188/год: вы убираете брендинг Chatbase и продаёте бот под своим именем. Для агентств это закрывает целый сценарий «продай бот клиенту под своим брендом».

Botpress уникален тем, что это единственная enterprise-grade chatbot-платформа с MIT-лицензированным open-source ядром. V12 — 9 500+ звёзд на GitHub, можно поднять у себя на собственном железе бесплатно. Поверх — Cloud с Autonomous Engine (LLMz): проприетарный inference engine, в котором агент сам выбирает следующий шаг, не идя по жёстко прописанному скрипту. Сюда же — выбор LLM-провайдера: пользователь подключает свои API-ключи OpenAI, Anthropic, Gemini или локальной модели через OpenAI-совместимый API.

Вес уникальностей сильно зависит от профиля покупателя. Для агентства, продающего ботов клиентам, white-label Chatbase окупается за пять-шесть проданных лицензий. Для разработчика и enterprise, которому важна data sovereignty, MIT-лицензия Botpress — это не «приятная фича», а главное основание для подписи договора.

Сценарий 1. SMB-сайт с FAQ-ботом за выходные. Владелец e-commerce-магазина в субботу решает: «Хочу AI-бот, который отвечает по 50 вопросам из нашей справки». В Chatbase это закрытая задача — Hobby за $32/мес, загружаешь URL карты сайта, через 20 минут виджет на сайте отвечает. Botpress Cloud Free тоже стартанёт, но потребует мышкой собрать flow и подключить API-ключ LLM-провайдера — это плюс полдня на изучение.

Сценарий 2. Агентство, продающее ботов клиентам. Digital-агентство хочет упаковать «AI-консультанта на сайте» как сервис. Им критично: white-label, разный брендинг на каждого клиента, минимум разработки. Chatbase Pro + white-label дополнение ($4 800 + $1 188 за год) закрывают это коробкой. Botpress на эту задачу годится только в self-hosted-сборке, что добавляет команду DevOps и недели работы.

Сценарий 3. Поддержка для аудитории из десятка стран. Testicular Cancer Foundation использует Chatbase для пациентов в 12 странах — автоопределение языка и ответ на нём же. У Botpress мультиязычность тоже есть, но завязана на качество LLM-провайдера и требует ручной настройки промптов. Сценарий 4. Tickets-as-source. У вас 5 000 закрытых тикетов в Zendesk — Pro-план Chatbase превращает их в обучающий материал. У Botpress этого инструмента «из коробки» нет — придётся написать пайплайн самим. Сценарий 5. Compliance-galloy для SMB. SOC 2 Type II и GDPR у Chatbase из коробки без DevOps; у Botpress Cloud SOC 2 Type 2 in process, для гарантии — self-hosted V12 с настройкой.

Сценарий 1. Self-hosted на собственной инфраструктуре. Банк, страховая, медицинский провайдер требует, чтобы данные клиентов не покидали корпоративный периметр. Botpress V12 — MIT open-source, разворачивается на собственных серверах бесплатно. У Chatbase инфраструктура только на AWS us-east-1, и self-host-режима не предусмотрено вовсе — это закрытый сценарий.

Сценарий 2. Выбор LLM-провайдера. CTO решает: «Сегодня GPT-4o, завтра Claude, через полгода — на локальной Llama, чтобы не платить токенами». В Botpress подключаешь свой API-ключ и меняешь провайдера за минуты. В Chatbase LLM-стек скрыт — пользователь не знает, какая модель отвечает, и не может переключиться по своей воле.

Сценарий 3. Кастомный код в шаге flow. Нужно вызвать legacy SOAP-API, обработать XML, вернуть строку — без сторонней оркестрации. В Botpress открываешь шаг, пишешь JavaScript, готово. В Chatbase такого режима нет: либо обернуть всё во внешний webhook, либо отказаться от сценария.

Сценарий 4. Autonomous agent с reasoning. Сложный сценарий, где бот должен сам выбрать порядок шагов: проверить наличие товара, посчитать сроки доставки, забронировать слот в Calendly, отправить подтверждение. LLMz Engine в Botpress спроектирован именно под это — Chatbase реализует подобное через AI Actions, но без выбора порядка шагов и без памяти промежуточных результатов. Сценарий 5. Production-pilot на 50 диалогов в день. Free-тариф Botpress закрывает 2 000 сообщений в месяц — этого хватает на двухнедельный пилот без оплаты. Chatbase Free — это 50 credits в месяц и удаление агента после 14 дней без активности; для пилота не подходит.

Chatbase официально поддерживает 80+ языков с автоматическим определением и ответом на языке вопроса. Конкретного перечня языков на публичных страницах нет, как и blind-тестов на русском — компания эти данные не публикует. Логически русский входит в «80+», но качество ответов зависит от внутреннего LLM-стека, который Chatbase не раскрывает. Это слабое место для тех, кому важно понимать, на чём работает бот.

Botpress качество русского отдаёт на откуп LLM-провайдеру. Подключаете GPT-4o — получаете GPT-4o-уровень русского (читай: хороший). Подключаете Claude — получаете Claude-уровень (тоже хороший). Локальную Llama 3 — будете тестировать. Своих оптимизаций под русский у платформы нет, но в этом сценарии они и не нужны: всю «русскость» делает LLM, выбор которой остаётся за вами.

Ни у одного сервиса нет русского интерфейса — обе панели админа работают на английском. Это означает, что без знания английского ни Chatbase, ни Botpress в команду не зайдёт.

Chatbase в годовой проекции: Hobby $384/год, Standard $1 440/год, Pro $4 800/год. Сверху — auto-recharge при превышении message credits: $40 за каждые 1 000 дополнительных. На Standard 4 000 credits в месяц; при типичной нагрузке 5 000–6 000 диалогов годовой overhead составит 12–24 пакета по $40 — это плюс $480–960 к подписке.

Botpress годовая проекция считается сложнее: Plus примерно $1 068/год, Team около $5 940/год — плюс AI Spend по токенам LLM-провайдера. Конкретные цифры за 1M токенов меняются и в публичных источниках не зафиксированы (компания указывает «зависит от LLM, проверяйте docs»). Для среднего бота с 50 диалогов в день и GPT-4o-mini годовой AI Spend обычно укладывается в $300–800; для бота на GPT-4o с длинным контекстом — до $2 000–3 000.

Главное практическое отличие: Chatbase даёт предсказуемый ценник на год (даже с overhead на credits диапазон узкий), Botpress даёт гибкий, но открытый — финансовому директору сложнее заложить в бюджет «плюс AI Spend, нижняя граница неизвестна».

Chatbase Free даёт 50 message credits в месяц, одного AI-агента, одного члена команды и 400 KB хранилища. Самая чувствительная деталь: агент удаляется через 14 дней неактивности. То есть Free — это даже не «навсегда», а «пока ты держишь активность». Для пилота не подходит: 50 сообщений уходят за полчаса нормального тестирования.

Botpress Free (Pay-as-You-Go) даёт 2 000 сообщений в месяц, 5 ботов, 1 workspace, community support и небольшой ежемесячный AI credit. Удаления неактивных ботов мы в условиях тарифа не нашли. Это полноценный пилотный тариф: можно две недели гонять бот на сайте, собирать метрики, потом решить про Plus.

Логика двух Free-тарифов разная: Chatbase использует Free как воронку в Hobby ($32/мес), оставляя в бесплатном плане только демонстрационные лимиты. Botpress использует Free как точку входа разработчиков в open-source-экосистему: если вы технарь и Botpress «понравился», вы либо останетесь на Free навсегда (для пет-проектов), либо вырастете в Plus с production-нагрузкой.

Chatbase даёт REST API с поддержкой streaming, webhooks, event listeners и cursor-based pagination для разговоров — это enterprise-уровень работы с большими объёмами. API доступен с тарифа Standard ($120/мес) — на Hobby его нет. Документация в Chatbase llms.txt и /docs хорошо структурирована, но за конкретными лимитами по rate limit нужно идти в docs.

Botpress API доступен на всех тарифах включая Free. Помимо REST у Botpress есть две важные production-вещи: custom JavaScript actions прямо в шаге flow (без отдельного бэкенда) и versioning ботов с возможностью откатиться к предыдущей версии. Для production-pipeline это решает классическую проблему «выкатили новый flow в пятницу, сломали клиенту бронирования, в субботу пришлось руками чинить».

В сумме: для FAQ-бота с виджетом на сайте API Chatbase покрывает 95% задач. Для бота, который встроен в продукт и должен жить в release-цикле как обычный сервис — нужен Botpress, чтобы получить versioning и custom JS.

Chatbase не публикует latency в миллисекундах — ни на сайте, ни в документации, ни на status-странице (отдельной публичной status-страницы для аптайма мы не обнаружили). Это data gap, который сам по себе минус: для enterprise-покупки команда обычно требует SLA по time-to-first-token. Из косвенных сигналов — в кейсах блога упоминается e-commerce-клиент с 3x ростом выручки за 6 месяцев, но без задержечных метрик.

Botpress по своим данным даёт примерно 300–700 мс на типовой запрос при использовании GPT-4o-mini в роли LLM. Это не «бенчмарк Botpress», а характеристика связки «платформа + лёгкая модель»: на GPT-4o latency вырастет до 1.5–2.5 секунд, на Claude — в похожем диапазоне. Аптайм публикуется на status.botpress.cloud, но конкретные цифры за 90 дней — тоже data gap.

Это редкий случай, когда отсутствие данных уже само по себе ответ: компания, которая не публикует latency и не даёт публичной status-страницы, заявляет своим молчанием, что её аудитория эти метрики не требует. Для SMB и агентств это нормально; для enterprise — повод задавать вопросы в коммерческом предложении.

Chatbase работает только как SaaS. Вся инфраструктура — Supabase + Vercel + AWS us-east-1. Self-host-режима нет, on-prem-варианта нет, выноса в EU/RU-регионы AWS — тоже нет. Это закрытая позиция: компания сделала ставку на единую облачную платформу с SOC 2 Type II + GDPR, и развязки для регуляторных задач в продукте просто не существует.

Botpress даёт сразу два пути для регуляторов. Первый — open-source V12 под MIT-лицензией: разворачивается на собственном железе, в собственном дата-центре, без оплаты вендору. Второй — Enterprise-тариф с on-prem deployment option и custom data residency: то же управление, но с поддержкой Botpress. Для российских компаний это означает реальную возможность держать ботов в РФ-периметре (через self-hosted V12) — Chatbase такой возможности не предоставляет.

Тут редкий случай однозначной победы по фактуре: у Chatbase self-host вообще не предусмотрен, у Botpress это — одна из несущих фич продукта. Если в вашем тендере есть строка «развёртывание в РФ-контуре» или «on-prem обязательно» — Chatbase выбывает на этом пункте.

Chatbase имеет SOC 2 Type II (готовая, отчёт публикуется по запросу), GDPR-compliance, и важную строку в политике приватности: «any data obtained through Google Workspace APIs is not used to develop, improve, or train generalized AI and/or ML models». То есть явное no-training-on-customer-data зафиксировано в публичной политике. Шифрование at rest и in transit, role-based access control, rate limiting, domain allowlisting для embedded-агентов.

Botpress на момент проверки указывает SOC 2 Type 2 — in process (то есть аудит идёт, сертификат ещё не выпущен), GDPR заявлен, ISO 27001 — data gap (не подтверждён публично). Политика «не обучаем на ваших данных» в Botpress Cloud есть, но с оговоркой: данные ботов уходят к LLM-провайдеру, и политика этого провайдера (OpenAI, Anthropic, Google) тоже играет роль.

Тонкий нюанс хранения: Chatbase держит данные только в AWS us-east-1 (США). Для европейской клиентуры с жёсткими GDPR-требованиями это иногда становится блокером — они требуют резиденции в EU. Botpress в Cloud-режиме тоже без выбора региона, но self-hosted V12 ставится куда угодно.

Chatbase: прямой доступ из РФ открыт, явных блокировок сервис не объявлял. Оплата российскими картами — публичных данных нет; формально возможна через карты зарубежных юрлиц. Русского интерфейса нет, поддержки на русском нет. Для 152-ФЗ Chatbase не применим — данные хранятся в AWS us-east-1.

Botpress: доступ из РФ — частично (сайт открывается, регистрация проходит). Оплата российскими картами — нет (Stripe USD), только через карты зарубежных юрлиц. Русского интерфейса тоже нет. По 152-ФЗ Cloud не подходит, но self-hosted V12 на российских серверах формально может закрыть требования к локализации — это единственный путь к compliance с 152-ФЗ в этой паре.

Главное практическое следствие: для российского SMB без зарубежных юрлиц оба сервиса заходят с одинаковой болью — VPN не обязателен, но карту нужно искать иностранную. Для бизнеса с требованием 152-ФЗ Chatbase отпадает, у Botpress остаётся self-hosted-выход.

Botpress привлёк суммарно $40M: Series A — $15M (Decibel, Inovia Capital, HubSpot Ventures, Deloitte Ventures, Framework Venture Partners) и Series B — $25M. Выручка $4.4M в 2024 году (по данным Latka). На GitHub репозиторий botpress/botpress — 9 500+ звёзд. Компания основана в Монреале в 2016 году. Это публичная история с понятными вехами и инвесторами, включая стратегического HubSpot Ventures — что объясняет нативную HubSpot-интеграцию.

Chatbase не раскрывает ни год основания, ни имена основателей, ни раунды финансирования, ни инвесторов. На сайте указано «более 10 000 компаний» — это всё. Среди клиентов значатся Bridgestone, IHG Hotels, National Grid, Miele, F45 Training — то есть enterprise-сегмент в портфеле есть, но структура самой компании в открытых источниках не зафиксирована. Это data gap, и для покупателя, которому важна долгосрочная надёжность вендора, отсутствие даже базовой публичной истории — фактор риска.

Тонкий риск Botpress в другом: $4.4M выручки при $40M инвестиций — это ранний stage монетизации. Pivot или изменение модели возможны. Но даже с этим риском компания публична, и при изменениях у пользователя будет окно увидеть их заранее. У Chatbase такого окна нет в принципе.

Product-менеджер SaaS-стартапа с задачей «развернуть FAQ-бота на сайте за неделю»: Chatbase Standard $120/мес. RAG из коробки, auto-retraining, виджет на сайт. Будет работать в первый понедельник.

Владелец digital-агентства, который хочет упаковать AI-консультанта как услугу для своих клиентов: Chatbase Pro $400/мес + white-label-дополнение $1 188/год. Бот под брендом клиента, ваш доход — разница между ценой клиенту и подпиской Chatbase. Окупается на 5–6 проданных лицензиях.

CTO финтех-стартапа, которому нужны agent с custom-логикой, выбор LLM-провайдера и план B на случай compliance-аудита: Botpress Plus ~$89/мес + AI Spend. При ужесточении compliance — миграция на V12 self-hosted без смены платформы.

Маркетолог в розничном бренде, которому нужны WhatsApp-воронки и Instagram-боты для лидогенерации: ни Chatbase, ни Botpress — берите ManyChat, у него заточен этот сценарий.