モデル比較

Beam 1.0 501B A23B vs Gemini 3.5 Flash

料金・コンテキスト長・実際の回答で比較(2026年10月時点)

Beam 1.0 501B A23B(Reflection AI)とGemini 3.5 Flash(Google)を、FastMetalのゲートウェイで実際に呼び出せる条件で比較します。どちらも同じOpenAI互換エンドポイントとAPIキーから利用でき、切り替えは model の文字列を変えるだけです。

スペックと料金

Beam 1.0 501B A23Bgoogle logoGemini 3.5 Flash
提供元Reflection AIGoogle
入力(100万トークンあたり)¥67.2¥268.05
出力(100万トークンあたり)¥201.6¥1,608.3
想定コスト(入力1,000・出力500トークン × 1,000回)¥168¥1,072
コンテキスト長1,048,576 トークン1,048,576 トークン
リリース日2026/10/162026/5/19
入力モダリティtexttext, image, video, file, audio
生成速度 (p50)—582 トークン/秒 (n=26)
アリーナ 総合圏外#29 · ELO 1,477
アリーナ 日本語圏外#20 · ELO 1,479
アリーナ コーディング圏外#61 · ELO 1,508

料金はFastMetalの単価(税別)です。

順位データ: LMArena leaderboard dataset(lmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-15時点)。カテゴリ名の対応付けとスコアの丸めはFastMetalによる。

どちらを選ぶべきか

  • 料金重視ならBeam 1.0 501B A23B。出力100万トークンあたり¥201.6で、Gemini 3.5 Flashより87%安くなります。
  • 迷ったら両方を同じキーで試せます。model の文字列を変えるだけで切り替わり、料金はそれぞれの単価で従量課金されます。

同じプロンプトへの実際の回答

FastMetalのゲートウェイが返した回答をそのまま並べています。ベンチマークの数字ではなく、実際の出力です。

このエラーをデバッグして

以下のエラーがPythonアプリケーションで発生しています。原因を特定して修正してください。 Traceback (most recent call last): File "app.py", line 23, in get_user_orders total = sum(order["price"] * order["quantity"] for order in orders) TypeError: unsupport…

Beam 1.0 501B A23B

原因は、`db.query` の結果で `price` が文字列型(`str`)として返ってきていることです。`str * int` は未サポートなので `TypeError` になります。 DB の列型が `VARCHAR`/`TEXT` だったり、ドライバの返却型が文字列だったりすると起こります。 修正は、計算前に `price` を数値型に変換することです。金額計算では誤差を避けるため `float` より `Decimal` が推奨です。 ```python from decimal import Decimal def get_user_orders(user_id): orders = db.query( "SELECT price, quantity FROM orders WHERE user_id = %s", user_id ) # 取得値を数値型に正規化する normalized_orders = [] for order in orders: normalized_orders.append({ "price": Decimal(str(order["price"])), "quantity": int(order["quantity"]), }) total = sum( order["price"] * order["quantity"] for…
応答時間 9.2秒出力 779 トークン

Gemini 3.5 Flash

このエラーの原因は、データベースから取得した `price`(価格)または `quantity`(数量)のいずれか(あるいは両方)が、**数値(intやfloat)ではなく文字列(str)としてPython側に渡されているため**です。 Pythonでは、文字列型(`str`)と数値型(`int`)を直接掛け算しようとすると、この `TypeError` が発生します。 --- ### 解決策 この問題を解決するには、主に3つのアプローチがあります。 #### 解決策1:Python側で型変換(キャスト)する(最も手軽な修正) 計算する直前に、Pythonの `float()` や `int()` を使って明示的に数値型に変換します。 **修正後のコード:** ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # price を float に、quantity を int に変換して計算する total = sum(float(order["price"]) * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` > **💡 金額計算のベストプラク…
応答時間 27.0秒出力 3911 トークン

コードレビュー

以下のTypeScript関数をレビューして、可読性・パフォーマンス・ベストプラクティスの観点から改善点を提案してください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo…

Beam 1.0 501B A23B

## レビュー ### 主な改善点 **1. 型安全性(TypeScriptの利点を活かせていない)** - `any[]` は型チェックを無効化します。`User` / `UsersResponse` / `UserDto` のような型を定義べきです。 - `data` の構造を型で定義することで、プロパティのtypoや `undefined` アクセスをコンパイル時に検出できます。 **2. エラーハンドリングの欠落** - `response.ok` のチェックがないため、404/500 などでも `response.json()` が実行され、意味不明な例外になります。 - ネットワークエラー・JSONパースエラーも考慮すべきです。 **3. ページネーションロジックが脆弱** - `data.users.length < 100` で終了判定すると、総件数が100の倍数の場合に空ページを1回余分に取得します。 - APIが `hasMore` / `nextPage` / `total` を返すなら、そちらを優先すべきです。 **4. 可読性** - `for (let i = 0; ...)` より `for...of` や `filter` + `map` が意図を表現しやすい。 - 文字列連結 `first_name + " " + last_name` はテンプレートリテラル `${...}` が読みやすい。 - `let user = {...}; push(user)` は冗長。直接pushまたはmapで生成。 - `currentPage =…
応答時間 19.2秒出力 2622 トークン

Gemini 3.5 Flash

ご提示いただいたTypeScript関数は、ページネーションを用いて全ユーザーを再帰的に取得する実用的なコードです。 このコードをより良くするために、**「型安全性(TypeScriptの強み)」「エラーハンドリング」「可読性(モダンJS/TS構文)」「堅牢性」**の観点からレビューし、改善点を提案します。 --- ### 主な改善点 #### 1. 型安全性 (TypeScript ベストプラクティス) * **問題点**: `any[]` や暗黙の `any` が使われており、型安全性が失われています。 * **改善策**: APIのレスポンス型(`ApiUser`)と、この関数が返すユーザー型(`User`)を明示的に定義します。 #### 2. エラーハンドリング (堅牢性) * **問題点**: `fetch` の失敗(ネットワークエラー)や、ステータスコードが 200 以外(404, 500など)の場合の考慮がありません。また、`response.json()` が失敗した際、アプリケーションがクラッシュする可能性があります。 * **改善策**: `try-catch` ブロックを追加し、`response.ok` をチェックします。 #### 3. 可読性の向上 (モダンなJavaScript/TypeScript) * **問題点**: 昔ながらの `for` ループが使われており、コードが冗長です。また、文字列結合 `+ " "` が使われています。 * **改善策**: * 配列の `filter` と `…
応答時間 19.2秒出力 2904 トークン

SQLクエリの最適化

以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…

Beam 1.0 501B A23B

## 改善ポイント 1. **結合のファンアウト(行爆発)を解消** `order_details` と `reviews` はどちらも商品に対して1:Nです。そのまま結合すると `注文明細 × レビュー` の直積になり、`SUM(o.amount)` や `COUNT(o.order_id)` がレビュー件数分だけ本来より大きくなります。 先に商品単位で **注文集計** と **レビュー集計** を別々に計算し、最後に結合します。 2. **`WHERE o.created_at >= ...` による LEFT JOIN の意味消滅を修正** もとのクエリでは、`orders` に左外部結合した後 `WHERE` で日付条件を課しているため、実質 `INNER JOIN` になっています。 最適化後は注文集計側で条件を適用し、`INNER JOIN` として意図を明確にします。 3. **インデックス不足の解消** 現状は `products(id)` と `orders(order_id)` のみです。日付・状態フィルタ、注 civilization... ではなく `order_details` 経由の結合、レビュー集計のために追加推奨インデックスが必要です。 4. **上位50件だけレビュー評価を計算(遅延集計)** 最終的に必要なのは売上上位50件の `avg_rating` です。全商品のレビュー平均を先に計算する必要はありません。売上上位50件を確定してから、各商品のレビュー平均をインデックス…
応答時間 44.9秒出力 6255 トークン

Gemini 3.5 Flash

提供されたクエリが低速な理由は、**「インデックスの不足」**だけでなく、**「データ構造の掛け算(ファンアウト)による中間データの爆発」**および**「LEFT JOINの不適切なフィルタリング」**という致命的な構造的問題があるためです。 このクエリを最適化し、数秒〜ミリ秒単位まで高速化するための改善策と、修正版のSQLを提案します。 --- ### 主な問題点 1. **ファンアウト(重複カウント)によるパフォーマンス低下とデータ不整合** `order_details`(1対多)と `reviews`(1対多)を同時に `LEFT JOIN` してから `GROUP BY` しているため、1つの商品に対して「注文数 × レビュー数」の掛け算(デカルト積)が発生します。 * **性能への影響:** 500万行のデータに対してこれを行うと、中間メモリが破裂し極端に遅くなります。 * **データ整合性のバグ:** `SUM(o.amount)` や `COUNT(o.order_id)` の値が、レビューの件数分だけ倍増し、**不正確な集計値**になります。 2. **WHERE句による LEFT JOIN の無効化(インナージョイン化)** `LEFT JOIN orders` としているにもかかわらず、`WHERE o.created_at >= '2024-04-01'` と指定しているため、注文がない商品(`o.created_at` が NULL になるもの)がすべて除外されてしまい、実質的に `INNER JOIN` になっていま…
応答時間 27.4秒出力 4048 トークン

他のプロンプトでも比較する →

よくある質問

Beam 1.0 501B A23BとGemini 3.5 Flash、料金はどちらが安いですか?
出力100万トークンあたりBeam 1.0 501B A23Bは¥201.6、Gemini 3.5 Flashは¥1,608.3で、Beam 1.0 501B A23Bの方が安くなります(FastMetalの円建て単価・税別)。
Beam 1.0 501B A23BとGemini 3.5 Flashのコンテキスト長の違いは?
Beam 1.0 501B A23Bは1,048,576トークン、Gemini 3.5 Flashは1,048,576トークンです。
Beam 1.0 501B A23BとGemini 3.5 Flashを同じAPIキーで使えますか?
はい。FastMetalのOpenAI互換エンドポイントで、model に "beam-1.0" または "gemini-3.5-flash" を指定するだけで切り替えられます。料金はそれぞれの単価で、同じ前払い残高から従量課金されます。

どちらも同じAPIキーで試せます

アカウントを作成してクレジットを追加すれば、Beam 1.0 501B A23BとGemini 3.5 FlashをブラウザのチャットとAPIの両方から呼び出せます。月額料金はありません。

Beam 1.0 501B A23Bの他の比較

Gemini 3.5 Flashの他の比較