Base44が2026年6月29日、vibe codingプラットフォーム向けとしては初の独自AIモデル「Base 1」をリリース 「数千万件の実際のユーザーインタラクション」で学習したファインチューン型モデルで、コード生成に特化 これまでOpenAIやAnthropicの外部モデルに依存していたが、独自スタック化によりコスト削減とパフォーマンス向上を実現
研究の答え

Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What is Base44's new proprietary AI model, Base 1, how was it trained on tens of millions of real. Article summary: Here are the confirmed facts for each of your questions, sourced from the company's own announcement, TechCrunch, SEC filings, and multiple market research sources.. Topic tags: general, general web, user generated, government. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and
Vibe Coding(バイブ・コーディング)業界の軍拡競争に、初の専用エンジンが登場した。2026年6月29日、AI搭載アプリ構築プラットフォーム「Base44」が、vibe codingプラットフォーム向けとしては初の独自大規模言語モデル(LLM)「Base 1」をローンチした。Base44は2025年にWixによって約8000万ドル(当時約120億円)で買収されている。
これは単なるモデルの追加リリースではない。Base 1は、vibe coding市場で勝ち残る企業はモデルスタックを自社で所有する企業であり、外部からレンタルする企業ではない——という戦略的な賭けを象徴している。以下で、Base 1の正体、学習方法、市場における意義、そしてBase44の垂直統合ストーリーを完成させる存在であることを解説する。
Base 1(Base1とも表記)は、自然言語によるプロンプトから本番稼働可能なウェブアプリケーションを生成することに特化して最適化された、既存のオープンソースLLMのファインチューン版である。 創業者のMaor Shlomo氏はThe New Stackのインタビューで、完全な独自アーキテクチャではなくファインチューンであると認めている。しかし重要なのは最適化の質であり、Base 1は汎用モデルが及第点程度にしか処理できない、狭く価値の高いタスクのために構築されている。
このモデルは2026年6月29日に本番環境で稼働を開始し、現在プラットフォーム上でユーザーに積極的にサービスを提供している。 モデルセレクターから利用可能で、タスクタイプに応じて自動的にスケジューリングされる。
最大の差別化要因は学習データにある。Base44はBase 1を、同社が言うところの**「数千万件の実際のユーザーインタラクション」**——プラットフォーム上で構築されたすべてのアプリ、書かれたすべてのプロンプト、修正されたすべてのミス——で学習させた。 これは、いかなる汎用モデルプロバイダーもアクセスできない独自データである。
Base44のユーザーセッションはすべてフィードバックシグナルを生成する。プロンプトが書かれ、コードが生成され、ユーザーが受け入れるか反復する。時間の経過とともに、これは非開発者(および開発者)が自然言語で何を望むかをどのように記述し、どの生成出力が実際に機能するかを正確に捉えたデータセットを生み出す。TechCrunchが報じたように、このデータセットはBase44に「非開発者が実際にソフトウェアを構築する方法について、いかなる汎用モデルも敵わないレベルのコンテキスト」を与えている。
同社はこのデータの堀(データモート)を、同社の主要な**「守りの強さ(defensibility)」**の優位性と表現しており、この言葉は今回のローンチを報じる記事に繰り返し登場する。
Base44はこれまで完全にOpenAIとAnthropicの外部モデルに依存していた。 独自のモデルスタックへの移行には、いくつかの具体的な利点がある。
要約すると、Base 1はすでに、それが置き換える基盤モデル(Claude Sonnet 4など)と競合するパフォーマンスを発揮しており、学習データが独自かつ成長し続けていることから、さらに速いペースでの改善が期待されている。
設立6ヶ月、ソロファウンダーのスタートアップから垂直統合プラットフォームへのBase44の旅は、2025年6月のWixによる買収から始まった。
WixはBase44を約8000万ドルの現金、および2029年までの業績連動型 Earn-out で買収した。 当時、Base44は設立からわずか6ヶ月、チームは8人だった。
この買収は、Wixがウェブサイト構築からフルスタックのアプリケーション開発へと事業を拡大する戦略の一環だった。
Base 1のローンチは、Base44の既存インフラにAIモデルレイヤーを追加することで、垂直統合を完了させる。同プラットフォームはすでに独自のデータベース、認証、ホスティング、デプロイパイプラインを持っていた。Shlomo氏はこの動きを「コスト、スピード、コントロール」を追求するものと位置づけ、フルスタックを所有することで「より速く、より安く」顧客にサービスを提供できると述べている。
この戦略は功を奏している。Base44は買収からわずか数ヶ月後の2025年末までにARR 4000万~5000万ドルを達成し、2026年3月にはARR 1億ドルに達した。
Base 1がローンチされた市場は、2023年初頭のニッチなコンセプトから2026年には47億ドルのカテゴリーに爆発的に成長している。複数の独立した情報源が一貫して以下の数字を報告している。
これらの数字は、Business Research Company、Second Talent、Useluminix、Kristian Larsenの分析など、複数の市場調査で引用されている。 Congruence Market Insightsによる別の市場規模測定では、より広義のプロンプトベース開発市場を2024年に38.9億ドル、2032年までのCAGRを32.5%と評価している。
2026年までに、世界の新規コードの41~46%がAI生成であり、2023年の約10%から増加している。 Vibe Codingセグメントだけで、その出自であるノーコード/ローコード市場の約2倍の成長率を見せている。
Base44の動きは、vibe coding市場が新たなフェーズに入ったことを示している。第一フェーズは、自然言語によるアプリ構築が機能することを証明する段階であり、このフェーズは終わった。第二フェーズは、守りの強さと差別化の段階である。モデルスタックを自社で所有する企業は、より速く反復し、コストを管理し、競合他社が模倣するのが難しいデータの堀を構築することができる。
ある業界分析は次のように述べている。「あなたの競合であるReplitは、AnthropicからClaudeをレンタルできる。今日はそれで十分だ。しかし半年後には、Base44のモデルは、他社が決して手に入れることのできない、何億もの実際のアプリ構築インタラクションで学習されているだろう。」
開発者にとっても非開発者にとっても、実際的なメリットは、より優れた、より高速で、より安価なアプリ生成である。業界にとっては、賭け金が上がったことを意味する。vibe codingの軍拡競争はより高価になり、独自のAIモデルを所有することがリーダーたちにとっての参加条件になりつつある。
Studio Global AI
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
Base44が2026年6月29日、vibe codingプラットフォーム向けとしては初の独自AIモデル「Base 1」をリリース
Base44が2026年6月29日、vibe codingプラットフォーム向けとしては初の独自AIモデル「Base 1」をリリース 「数千万件の実際のユーザーインタラクション」で学習したファインチューン型モデルで、コード生成に特化
これまでOpenAIやAnthropicの外部モデルに依存していたが、独自スタック化によりコスト削減とパフォーマンス向上を実現