基盤モデルとは？きばんもでる
基盤モデルとは、大量で幅広いデータを使って事前に学習させ、少しの追加学習や指示（プロンプト）を与えるだけで、翻訳・要約・質問応答・画像生成など多くの用途に転用できる大規模な AI モデル。学習には主に自己教師あり学習（人が正解を付けず、文章の続きの単語を当てるといった形でデータそのものから問題と答えを作る学習）を使う。文章を扱う大規模言語モデル（LLM）は基盤モデルの代表だが、画像や音声を扱うもの、複数の種類のデータをまとめて扱うマルチモーダルなものも含む。
最終更新：2026-10-10
基本情報を最短で暗記・合格する →背景
以前の AI は、迷惑メールの判定なら迷惑メールのデータ、画像の分類なら画像のデータというように、用途ごとに正解付きのデータを集めて一からモデルを作っていた。正解を人が付ける手間が大きく、用途が増えるたびに作り直しになる。正解の要らない学習で巨大なモデルを一度作っておき、それを土台（基盤）として多くの用途に使い回す形が広まり、2021 年に米スタンフォード大学の研究者らがこの種のモデルを「基盤モデル」と名付けた。
具体例
OpenAI の GPT シリーズ（ChatGPT の中核）、Google の Gemini、Meta の Llama は文章を扱う基盤モデルで、同じモデルがメールの下書き、プログラムの作成、英文の翻訳をこなす。画像では Stability AI の Stable Diffusion が、文章の指示から画像を作る基盤モデルとして知られる。企業はこれらを丸ごと作り直さず、自社の文書で追加学習（ファインチューニング）したり、プロンプトを工夫したりして自社向けに使う。
試験での引っ掛け
「基盤モデル＝大規模言語モデル（LLM）」ではない。LLM は文章を扱う基盤モデルの一種で、基盤モデルは画像・音声などを扱うものも含む広い言葉である。また、1つの作業のためだけに作る特化型の AI とは逆で、多用途に転用できることが基盤モデルの特徴。クラウドの基盤（インフラ）を指す言葉と取り違えない。事前学習で学んだ以上のことは知らず、もっともらしい誤り（ハルシネーション）を出すことがある点も合わせて問われる。
関連用語
出典・参考
解説は資格暗記が独自に作成しています。過去問の出典は各問題に記載のとおりです。