モデル比較

Beam 1.0 501B A23B vs Gemini 3.8 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 3.8 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 3.8 Flash
提供元Reflection AIGoogle
入力(100万トークンあたり)¥67.2¥126
出力(100万トークンあたり)¥201.6¥630
想定コスト(入力1,000・出力500トークン × 1,000回)¥168¥441
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2026/10/162026/9/2
入力モダリティtexttext, image, video, file, audio
生成速度 (p50)—961 トークン/秒 (n=24)
アリーナ 総合圏外#9 · ELO 1,496
アリーナ 日本語圏外#6 · ELO 1,504
アリーナ コーディング圏外#26 · ELO 1,528

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 3.8 Flashより68%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 3.8 Flash

### 原因 エラーメッセージ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、**文字列(`str`)と整数(`int`)を掛け算しようとしたため**に発生しています。 具体的には、データベースから取得した `order["price"]` が文字列型(`str`)になっており、`order["quantity"]`(整数型 `int`)とそのまま乗算できない状態です。 これは以下のいずれかが原因で起こります: 1. データベースの `price` カラムが `VARCHAR` などの文字列型で定義されている 2. データベースのドライバが `DECIMAL` 型などを文字列としてPython側に返している --- ### 修正方法 #### 修正案 1: Python側で数値型にキャストする(即時対応) 金額計算で端数(小数点)が発生しない(日本円など)場合は `int()`、小数点を含む(ドルなど)場合は精度の高い `Decimal` または `float()` で数値に変換します。 **【推奨】金額計算の丸め誤差を防ぐため `Decimal` を使う場合:** ```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)…
応答時間 7.5秒出力 1174 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 3.8 Flash

ご提示いただいたコードは、ページネーションを考慮してデータを取得する意図が明確でロジック自体は動く状態ですが、**型安全性・エラーハンドリング・可読性・API設計**の観点からいくつかの改善余地があります。 以下に具体的な問題点と改善提案をまとめました。 --- ### 主な改善点 #### 1. ベストプラクティス:型定義の適用(`any` の排除) TypeScriptの最大の利点である型安全性が失われています。APIレスポンスの型と、関数の戻り値となる `User` 型を明示的に定義します。 #### 2. ベストプラクティス:HTTPエラーハンドリング `fetch` は HTTPステータスが 4xx や 5xx であっても例外をスローしません(ネットワーク障害時のみスロー)。`response.ok` のチェックを行い、失敗時に適切にエラーを処理する必要があります。 #### 3. 可読性:モダンな配列操作と分割代入 `for (let i = 0; ...)` と `data.users[i]` の繰り返しは冗長です。`filter` と `map` の組み合わせ、または `for...of` や `flatMap` を使うことで、意図が伝わりやすくスッキリしたコードになります。 #### 4. 可読性・堅牢性:定数の利用と変数のスコープ * 1ページあたりの件数(`100`)がマジックナンバーになっているため、定数化します。 * 再代入しない変数(`let user`)は `const` にします。 * `first_name` や `last_na…
応答時間 10.5秒出力 1613 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 3.8 Flash

このクエリが遅い原因は、**「インデックスの不足」**に加えて、**「テーブル結合によるデータ量の爆発(直積/Fan-out問題)とそれに伴う集計結果のバグ」**にあります。 --- ### 主な問題点 1. **集計値の重複・不整合(Fan-out問題)** - 1つの商品に対して「複数の注文詳細 (`order_details`)」と「複数のレビュー (`reviews`)」を同時に結合しています。 - 例えば、注文が10件、レビューが5件ある商品は $10 \times 5 = 50$ 行に膨らみます。これにより `SUM(o.amount)` は5倍に膨れ上がり、`order_count` も誤った値になります。これが性能悪化の最大の原因です。 2. **LEFT JOIN が INNER JOIN 化している** - `WHERE o.created_at >= '2024-04-01'` と外側の `WHERE` 句で `o` のカラムを指定しているため、実質的に `INNER JOIN` になっています(注文のない商品が除外される)。 3. **必要なインデックスの欠如** - 外部キー(`order_details.product_id`、`reviews.product_id`)や絞り込み条件(`orders.created_at`, `status`)にインデックスがないため、フルテーブルスキャンが発生しています。 4. **GROUP BY に主キーが含まれていない** - `p.product_name` だけでグルー…
応答時間 14.0秒出力 2126 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 3.8 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 3.8 Flashは¥630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 3.8 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 3.8 Flashは1,048,576トークンです。
Beam 1.0 501B A23BとGemini 3.8 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-3.8-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 3.8 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 3.8 Flashの他の比較