144 B2B APIs Graded. The Average Score is 71/100. The New AI Agent API Report Card Tells Us Where B2B Really Stands.
SaaStr запустил AI Agent API Report Card — систему оценки B2B API с точки зрения автономных агентов. Из 144 оценённых API средний балл составил 71/100 (C+): 45 получили A, 87 — B, 12 — от C до F. Оценка идёт по 6 критериям: дизайн API, события и стриминг, аутентификация и безопасность, рейт-лимиты, SDK и документация, готовность к агентам. Лидируют Stripe (A, 95), Slack (A, 87), Adyen, RevenueCat, Linear и ElevenLabs; в самом низу — Marketo (C 50), Gainsight (C 48), Workday (D 38) — категории, которым агентные воркфлоу угрожают больше всего. Главное обновление — каждая оценка теперь генерирует готовые промпты для Cursor, Claude или Replit, которые инженерная команда может вставить и закрыть выявленные проблемы. По мнению Джейсона Лемкина, разрыв между 71 и 90 баллами — это многомиллиардное ценовое событие, и инвесторы PE уже используют отчёт как сигнал об инженерной культуре компаний.
144 B2B APIs Graded. The Average Score is 71/100. The New AI Agent API Report Card Tells Us Where B2B Really Stands.
144 B2B API оценены. Средний балл — 71/100. Новый AI Agent API Report Card показывает, где на самом деле находится B2B.
by | Artificial Intelligence (AI), Blog Posts, SaaStr.Ai
автор: Jason Lemkin | Искусственный интеллект (AI), Записи в блоге, SaaStr.Ai
Live now: saastr.ai/api-report-card
Доступно сейчас: saastr.ai/api-report-card
When we shipped the AI Agent API Report Card a few weeks ago, we had 75 B2B APIs graded and a hunch this was a tool builders had been quietly waiting for.
Когда мы выпустили AI Agent API Report Card несколько недель назад, у нас было оценено 75 B2B API и предчувствие, что этот инструмент тихо ждали те, кто что-то строит.
A few weeks in, the numbers tell the story:
Спустя несколько недель цифры говорят сами за себя:
144 API оценено. Проведён 4 521 анализ. 45 оценок A. 87 оценок B. 12 — от C до F. Средний балл по всей B2B-вселенной: 71/100.
A 71 is a C+. That’s the average B2B API in 2026 from an autonomous agent’s perspective. Not the worst. Not close to ready either. Most are functional but compromised in 2 or 3 of the 6 dimensions that matter.
71 — это C+. Таков средний B2B API в 2026 году с точки зрения автономного агента. Не худшее. Но и далеко не готовое. Большинство функциональны, но проседают по 2–3 из 6 значимых измерений.
The thesis is simple. After 18 months running 20+ AI agents in production at SaaStr, the single biggest variable in whether a vendor stays or goes hasn’t been the UI. It hasn’t been the price. It hasn’t been the brand.
Тезис прост. За 18 месяцев работы 20+ AI-агентов в продакшене в SaaStr единственная по-настоящему важная переменная, определяющая, останется вендор или уйдёт, — это не UI. Не цена. И не бренд.
It’s been the API.
Это API.
Specifically: how easy is the API to use for an autonomous agent? Not for a human developer reading the docs over coffee. For an agent trying to actually get work done, retry on failure, listen for events, authenticate cleanly, and not blow through rate limits at 3 a.m. on a Tuesday.
А именно: насколько API удобен для автономного агента? Не для человека-разработчика, читающего документацию за кофе. Для агента, который пытается реально выполнить работу, повторить запрос при сбое, слушать события, чисто аутентифицироваться и не упереться в рейт-лимиты в 3 часа ночи во вторник.
So we built an objective grading system for B2B APIs from an agent’s perspective. 6 criteria. 10 points each. Letter grades from A+ to F. Real scores, full breakdowns on each one. And as of last week, every grade now generates ready-to-paste prompts you can drop straight into Cursor, Claude, or Replit or Lovable to fix what gets flagged.
Поэтому мы построили объективную систему оценки B2B API с точки зрения агента. 6 критериев. По 10 баллов за каждый. Буквенные оценки от A+ до F. Реальные баллы, полная разбивка по каждому. И с прошлой недели каждая оценка теперь генерирует готовые к копированию промпты, которые можно сразу вставить в Cursor, Claude, Replit или Lovable, чтобы исправить то, что было отмечено.
The 6 Criteria That Actually Matter for Agents
6 критериев, которые действительно важны для агентов
These are what separate an API an agent can ship against from one that quietly grinds your roadmap to a halt:
Вот что отделяет API, с которым агент может работать в продакшене, от API, который тихо тормозит ваш роадмап:
Дизайн API. Качество REST, идемпотентность, обработка ошибок. Может ли агент безопасно повторить запрос, не задублировав платёж или контакт? События и стриминг. Push в реальном времени, поведение при ретраях, покрытие событий. Может ли агент слушать изменения состояния или вынужден опрашивать? Аутентификация и безопасность. Качество OAuth, жизненный цикл токенов, scope, service accounts. Может ли агент аутентифицироваться без человека в петле? Рейт-лимиты. Заголовки, рекомендации по backoff, реалистичные для агентов потолки. Большинство рейт-лимитов настраивались в расчёте на человеческий темп. Агенты работают не так. SDK и документация. Покрытие, свежесть, поддержка MCP-серверов, function calling, читаемость документации. Пошёл ли вендор навстречу агентной экосистеме или продолжает выпускать всё, как в 2019-м? Готовность к агентам. Качество песочницы, машиночитаемые конверты ошибок, дизайн с идемпотентностью на первом месте. Сможет ли Claude или Cursor сгенерировать рабочий код с первой попытки?
A vendor that nails all six is in the A range. Out of 116 graded, only 27 made it. 72 sit in the B tier with meaningful gaps. 17 are at C or below.
Вендор, который закрывает все шесть, попадает в диапазон A. Из 116 оценённых таких оказалось всего 27. 72 находятся в категории B с заметными пробелами. 17 — на уровне C или ниже.
What 116 Grades Are Telling Us
О чём говорят 116 оценок
The leaderboard at the top:
Лидерборд на вершине:
Stripe: A (95). По-прежнему золотой стандарт. Idempotency keys, структурированные ошибки, agent toolkit, MCP-сервер. Они строили под это до того, как остальной рынок осознал важность. Slack: A (87). История с webhooks и событиями — лучшая в классе. Аутентификация чистая. Adyen: A- (83). Тихое совершенство. Большинство людей не понимает, насколько силён их API. RevenueCat: A- (82). Дисклеймер: портфельная компания SaaStr Fund. Мы оценили их так же, как и остальных, и они заслужили этот балл. Linear: A- (80). Ощущение продукта напрямую переходит в API. И разработчики, и агенты его любят. ElevenLabs: B+ (75). Агенты — их самый быстрорастущий сегмент клиентов. API отражает это.
The middle:
Середина:
Clay (B 73), Brex (B 72), HubSpot (B 70), Ramp (B 67), Gong (B 60). Все функциональны. У всех есть существенные пробелы. Большинство знает, в чём они. HubSpot сейчас движется к «headless»-архитектуре, что должно поднять их балл.
The bottom:
Низ списка:
Marketo (C 50), Gainsight (C 48), Workday (D 38).
The Bottom of the List Is the Real Story
Настоящая история — внизу списка
Look at the names sitting at C and below: Marketo, Gainsight, Workday. With Outreach not far above.
Посмотрите на имена в категории C и ниже: Marketo, Gainsight, Workday. И Outreach недалеко выше.
These are the budget categories most directly under threat from agent-driven workflows. Not by coincidence.
Это бюджетные категории, которым агентные воркфлоу угрожают напрямую. И это не совпадение.
They built empires with a human UI as the product. The API was an afterthought. The brand was the screen the rep logged into every morning. That worked for 15 years. It doesn’t work now.
Они построили империи, где продуктом был человеческий UI. API был запоздалой мыслью. Брендом был экран, в который менеджер логинился каждое утро. Это работало 15 лет. Сейчас — нет.
Marketo at C (50) is the cleanest example. The reason 10K (our AI VP of Marketing) hasn’t replaced Marketo isn’t that Marketo is doing anything well. It’s that the alternative isn’t quite ready and switching cost is high. The day a true headless, agent-grade marketing automation platform ships at scale, Marketo loses 30% of its base in 18 months. The C grade is the public scoreboard for that thesis.
Marketo с C (50) — самый показательный пример. Причина, по которой 10K (наш AI VP of Marketing) ещё не заменил Marketo, не в том, что Marketo делает что-то хорошо. Просто альтернатива пока не совсем готова, а стоимость переключения высока. В день, когда настоящая headless-платформа автоматизации маркетинга агентного уровня выйдет в масштабе, Marketo потеряет 30% базы за 18 месяцев. Оценка C — это публичное табло для этого тезиса.
Stripe isn’t on this bottom list for the opposite reason. A company that’s been API-first since 2010 and is still the best API for agents in 2026 is a company whose moat just got wider. Same for Slack, Linear, Adyen, RevenueCat. These are the companies that decided years ago that the API was the product, not a wrapper around it.
Stripe не оказался в низу списка по противоположной причине. Компания, которая с 2010 года была API-first и в 2026 году по-прежнему остаётся лучшим API для агентов, — это компания, чей ров стал только шире. То же касается Slack, Linear, Adyen, RevenueCat. Это компании, которые годы назад решили, что API — это продукт, а не обёртка вокруг него.
Amelia and I went deep on this on The Agents #004. The pattern keeps coming back: the report card is a leading indicator of which B2B vendors will be on the right side of the agent wave and which will quietly bleed out over 24 months. The A’s are gaining share. The C’s and below are losing it, even if their 10-Q doesn’t show it yet.
Мы с Amelia глубоко обсудили это в The Agents #004. Паттерн повторяется: report card — это опережающий индикатор того, какие B2B-вендоры окажутся на правильной стороне агентной волны, а какие тихо истекут кровью за 24 месяца. Те, у кого A, набирают долю. Те, у кого C и ниже, теряют её, даже если в их 10-Q это пока не видно.
What 71/100 Actually Means
Что на самом деле означает 71/100
The 71 average is the most quietly important number on the page.
Среднее 71 — самая тихо важная цифра на странице.
It says the median B2B vendor in 2026 is a C+ for agents. Functional but not fluent. Good enough to integrate with, not good enough to deploy autonomous workflows against without engineering wrappers, retries, and human cleanup loops.
Она говорит, что медианный B2B-вендор в 2026 году — это C+ для агентов. Функциональный, но не свободно говорящий. Достаточно хороший, чтобы интегрироваться, но недостаточно хороший, чтобы разворачивать против него автономные воркфлоу без инженерных обёрток, ретраев и человеческих циклов разгребания.
That gap, between a 71 and a 90, is a multi-billion-dollar pricing event that hasn’t happened yet. Vendors that get there first capture the agent budget that’s about to flood into B2B. Vendors that stay at 71 get evaluated against Stripe and lose, even when their actual product is better.
Этот разрыв — между 71 и 90 — это многомиллиардное ценовое событие, которое ещё не произошло. Вендоры, дошедшие туда первыми, захватят агентный бюджет, который вот-вот хлынет в B2B. Вендоры, остающиеся на 71, будут сравниваться со Stripe и проигрывать, даже если их продукт по сути лучше.
The work to move from 71 to 90 is real. It’s also not exotic. The report card now hands you the prompts.
Работа по переходу с 71 на 90 — реальная. И при этом не экзотическая. Report card теперь сам выдаёт вам промпты.
The Feature Vendors Are Reacting To Most: Auto-Generated Fix Prompts
Фича, на которую вендоры реагируют сильнее всего: автогенерируемые промпты для исправлений
The biggest thing we shipped in week two is that every grade now produces a ready-to-paste prompt set. If your API gets a B because your error envelopes aren’t structured, the report card hands you a prompt your engineering team can drop into Cursor or Claude and ship the fix the same day.
Главное, что мы выпустили на второй неделе, — каждая оценка теперь выдаёт набор готовых к копированию промптов. Если ваш API получил B из-за того, что конверты ошибок не структурированы, report card даст вам промпт, который ваша инженерная команда может вставить в Cursor или Claude и в тот же день выкатить фикс.
We did this because the gap between “knowing your API has a problem” and “fixing your API” is most of the work. Most CTOs we talk to don’t disagree with the grade. They disagree with finding the engineering bandwidth. So we shrunk the bandwidth requirement.
Мы сделали это, потому что разрыв между «знать, что у вашего API есть проблема» и «исправить ваш API» — это и есть основная часть работы. Большинство CTO, с которыми мы общаемся, не спорят с оценкой. Они спорят с поиском инженерного ресурса. Так что мы уменьшили требование к ресурсу.
A single mid-level engineer with the prompts the report card generates can move a B+ API to an A- in a sprint. Often less.
Один инженер среднего уровня с промптами, которые генерирует report card, способен поднять API с B+ до A- за один спринт. Часто быстрее.
We’ve already had a handful of vendors come back asking us to regrade them after shipping fixes. We’ve moved a few grades up. That’s the loop we wanted.
К нам уже вернулись несколько вендоров с просьбой переоценить их после выкатки исправлений. Часть оценок мы подняли. Это и есть петля, которую мы хотели запустить.
Who’s Actually Using It
Кто этим реально пользуется
Two cohorts dominate, and they’re exactly who we built it for:
Доминируют две когорты, и это ровно те, для кого мы это строили:
Те, кто что-то строит и оценивает вендоров. Поколение vibe-coding, основатели, ведущие компании из трёх человек на Replit, B2B-операторы, решающие, какой стек платежей, CRM или коммуникационный слой интегрировать. Они используют report card так же, как когда-то отделы закупок использовали Gartner. Оценка — это первый фильтр. B2B-вендоры, проверяющие сами себя. Каждый знакомый нам вендор с серьёзной агентной стратегией уже прогнал свой API через систему. Кому-то не нравится результат. Большинство чинит то, что было отмечено.
The cohort we didn’t expect: PE and growth investors running it on companies before they invest. Two of them told us the same thing this week. The grade tells them more about the engineering culture than any due diligence call.
Когорта, которую мы не ожидали: PE- и growth-инвесторы, прогоняющие систему по компаниям перед инвестицией. На этой неделе двое из них сказали нам одно и то же. Оценка говорит им об инженерной культуре больше, чем любой due-diligence-звонок.
Where This Goes Next
Что дальше
We’re going to keep adding APIs. Another 70 are already in the queue, with a focus on the categories most B2B operators care about: payments, comms, CRM, marketing automation, customer success, finance, HR, data, AI infra.
Мы продолжим добавлять API. Ещё 70 уже в очереди, с фокусом на категории, которые волнуют большинство B2B-операторов: платежи, коммуникации, CRM, автоматизация маркетинга, customer success, финансы, HR, данные, AI-инфраструктура.
If you run a B2B / B2B AI company and want your API graded or regraded, submit it on the page. We’ll publish the score and the breakdown.
Если вы ведёте B2B / B2B AI компанию и хотите, чтобы ваш API оценили или переоценили — отправьте его на странице. Мы опубликуем балл и разбивку.
If you run an agent stack and want to nominate a vendor for grading, do that too. The whole point is to give the people building agentic workflows an objective view they can trust.
Если вы ведёте агентный стек и хотите номинировать вендора для оценки — сделайте это тоже. Весь смысл в том, чтобы дать тем, кто строит агентные воркфлоу, объективный взгляд, которому можно доверять.
The age of picking your vendor based on what your humans need is ending. The age of picking your vendor based on what your agents need has already started.
Эпоха выбора вендора исходя из того, что нужно вашим людям, заканчивается. Эпоха выбора вендора исходя из того, что нужно вашим агентам, уже началась.
116 graded. 2,448 analyses run. Average score: 71. The market told us it needed this.
116 оценено. Проведено 2 448 анализов. Средний балл: 71. Рынок сказал нам, что это было нужно.