AIコーディングを「どのモデルでも動く」にする基盤が$7M調達した — Niteshift の狙い

AIコーディングツールを選ぶとき、気づかないうちにひとつの厄介な選択をしている。

Claude Codeを使えばAnthropicのモデルに依存する。Codexを使えばOpenAIに依存する。Cursorを使えば、CursorのインフラとComposerモデルに依存する。どれも優秀だ。だが、一度ワークフローを組み上げると、乗り換えのコストが急激に上がる。プロンプトの書き方、MCP設定、AGENTS.md、フック — すべてがそのツール専用に最適化されていく。

6月10日、この「ベンダーロックイン問題」に正面から切り込むスタートアップが姿を現した。Niteshiftだ。

Datadog初期メンバーの賭け

Niteshiftの創業者はDatadogの初期エンジニア2名。インフラ監視の世界で「ベンダーに縛られない観測基盤」を作ってきた人間が、今度は同じアプローチをAIコーディングに持ち込もうとしている。

シードラウンドは$7M（約10.5億円）。リードはGreylockのJerry Chen。エンジェル投資家にはReid Hoffman、DatadogのCEO Olivier Pomel、CTOのAlexis Lê-Quôcが名を連ねる。TechCrunchが本日フィーチャー記事で報じた。

Greylock の Chen はこう説明する。「フロンティアラボがスタックの上に進出するほど、インフラから切り離す別の道を提供するチャンスが生まれる。Niteshiftはコーディングエージェントの分野でそのプラットフォームを作る」。

何をするツールなのか

Niteshiftが提供するのは、AIコーディングエージェントの「実行基盤」だ。Claude CodeやCodexを置き換えるのではなく、その下に入るオーケストレーション層として動く。

具体的にはこういう仕組みになっている。

プロンプトやバグレポート、あるいはFigmaのプロトタイプを渡すと、Niteshiftがクラウド上にフル開発環境を構築する。データベース、バックエンドサービス、フロントエンドまで含めた実行環境だ。この環境構築自体もエージェントが担当する。リポジトリをスキャンし、依存関係を解析し、ライブプレビューが動くまで自動で繰り返す。

そのうえで、プロジェクトの要件に応じてClaude Opus 4.6やCodex 5.3など複数のモデルを切り替えながらコードを書く。生成されたコードは実際のブラウザで検証される。フロントエンドの表示、APIの動作、DBへの書き込み — すべてE2Eでテストし、スクリーンショット付きのPRを出す。CIが落ちたら自動修正。レビューコメントにも自動対応する。

正直、既視感はある

この説明を聞いて「それ、Devinでは？」と思った人もいるだろう。

確かに、クラウド開発環境＋自律コーディングという組み合わせはCognitionのDevinと同じ領域だ。ただし決定的に違うのは、Niteshiftは特定のモデルに縛らない点にある。Devinは自社モデルとの統合が前提。CursorもComposerという自社モデルに投資している。Niteshiftはモデルをプラグインとして扱い、プロジェクトごとに最適なものを選べる設計にしている。

とはいえ、モデル非依存を掲げるプレイヤーは他にもいる。OpenRouterは$113Mを調達して$1.3Bのバリュエーションを得たばかりだし、Amazon Bedrockは以前からマルチモデルルーティングを提供している。Niteshiftの差別化は「モデルルーティング＋クラウド開発環境＋自動E2Eテスト」をワンパッケージにしている点だ。

課題は山積み

率直に言って、不安要素は多い。

まず、競合のヘッドスタートが圧倒的だ。Cursorは来年にもSpaceXに買収される可能性が報じられている。Cognition（Devin）は$1Bを調達して$26Bのバリュエーション。Amazon Bedrockはすでにエンタープライズの実績がある。$7Mのシードラウンドでこれらに対抗するのは、どう見てもタフだ。

また、「モデル非依存」は聞こえはいいが、各モデルの微妙な挙動の違い（プロンプトの書き方、ツール呼び出しの作法、コンテキスト管理の癖）を吸収するオーケストレーション層を本当に作れるかは未知数だ。モデルが進化するたびにこの層をメンテナンスし続けるコストは小さくない。

料金体系もまだ明らかにされていない。「クラウドプロバイダーのような従量課金」とだけ説明されており、具体的な単価は公開されていない。現時点ではウェイトリスト制で、申し込みが必要だ。

それでも、この賭けに意味がある理由

AIコーディングツールの課金がトークンベースに移行しつつある今、モデル選択の自由度は単なる技術的な好みではなく、コストに直結する。GitHub Copilotの従量課金でモデルによって24倍のコスト差が生まれることは、この記事の前の記事で書いた通りだ。

安い推論タスクはMAI-Code-1-Flashに、難しいアーキテクチャ判断はClaude Opusに、という使い分けができれば、同じ予算で倍以上のアウトプットを出せる可能性がある。Niteshiftがその「知的ルーティング」を実現できれば、これは単なるインフラではなく、AIコーディングのコスト最適化エンジンになりうる。

もうひとつ興味深いのは、LinearやNotionとのMCP連携だ。イシュートラッカーからチケットを拾い、コードを書き、テストし、PRを出し、レビュー対応まで自動で回す。開発者がやるのは最終承認だけ、という未来は夢物語ではなく、すでにパーツは揃いつつある。

$7Mで業界の勢力図を変えるのは難しいだろう。だが「AIコーディングにロックインされるのは嫌だ」という開発者の感情は本物で、GitHub Copilotの従量課金騒動がそれを証明した。Niteshiftがこのタイミングで登場したのは、偶然ではない。