モデル比范

Beam 1.0 501B A23B vs gpt-oss-120b

料金・コンテキスト長・実際の回答で比范2026幎10月時点

Beam 1.0 501B A23BReflection AIずgpt-oss-120bOpenAIを、FastMetalのゲヌトりェむで実際に呌び出せる条件で比范したす。どちらも同じOpenAI互換゚ンドポむントずAPIキヌから利甚でき、切り替えは model の文字列を倉えるだけです。

スペックず料金

Beam 1.0 501B A23Bopenai logogpt-oss-120b
提䟛元Reflection AIOpenAI
入力100䞇トヌクンあたり¥67.2Â¥16
出力100䞇トヌクンあたり¥201.6Â¥79
想定コスト入力1,000・出力500トヌクン × 1,000回¥168Â¥56
コンテキスト長1,048,576 トヌクン131,072 トヌクン
リリヌス日2026/10/162025/8/5
入力モダリティtexttext
生成速床 (p50)—327 トヌクン/秒 (n=25)
アリヌナ 総合圏倖#215 · ELO 1,352
アリヌナ 日本語圏倖#152 · ELO 1,324
アリヌナ コヌディング圏倖#223 · ELO 1,389

料金はFastMetalの単䟡皎別です。

順䜍デヌタ: LMArena leaderboard datasetlmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-15時点。カテゎリ名の察応付けずスコアの䞞めはFastMetalによる。

どちらを遞ぶべきか

  • 料金重芖ならgpt-oss-120b。出力100䞇トヌクンあたり¥79で、Beam 1.0 501B A23Bより61%安くなりたす。
  • 長い文曞を扱うならBeam 1.0 501B A23B。コンテキスト長は1,048,576トヌクンで、gpt-oss-120bの131,072トヌクンより広くずれたす。
  • 迷ったら䞡方を同じキヌで詊せたす。model の文字列を倉えるだけで切り替わり、料金はそれぞれの単䟡で埓量課金されたす。

同じプロンプトぞの実際の回答

FastMetalのゲヌトりェむが返した回答をそのたた䞊べおいたす。ベンチマヌクの数字ではなく、実際の出力です。

この゚ラヌをデバッグしお

以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 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`ずしお返っおきおいるこずです。`str * int` は未サポヌトなので `TypeError` になりたす。 DB の列型が `VARCHAR`/`TEXT` だったり、ドラむバの返华型が文字列だったりするず起こりたす。 修正は、蚈算前に `price` を数倀型に倉換するこずです。金額蚈算では誀差を避けるため `float` より `Decimal` が掚奚です。 ```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 ) # 取埗倀を数倀型に正芏化する 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 トヌクン

gpt-oss-120b

**原因** `order["price"]` が **文字列** (`str`) で返っおきおいるため、数倀 (`int`/`float`/`Decimal`) ず掛け算しようずしたずきに ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` が発生しおいたす。 このケヌスは䞻に次のいずれかが原因です。 | 可胜性 | 内容 | |--------|------| | ① DBドラむバが数倀列を文字列ずしお取埗しおいる | たずえば `psycopg2` の `cursor_factory=RealDictCursor` でも `numeric` が文字列になるこずがありたす。 | | ② テヌブル定矩が文字列型 (`VARCHAR`, `CHAR`) になっおいる | `price` カラムが文字列型で保存されおいる。 | | ③ `SELECT` 文でキャストせずにそのたた取埗しおいる | DB偎で数倀に倉換しおいない。 | **修正方法**は 2 ぀の方向がありたす。 --- ## 1⃣ Python 偎で安党に数倀ぞ倉換する最も手軜 ```python from decimal import Decimal, InvalidOperation def get_user_orders(user_id): # db.query の戻り倀は dict のリスト䟋: [{"price": "12.34", "quantity": "2"}, ..

応答時間 7.1秒出力 1587 トヌクン

コヌドレビュヌ

以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo


Beam 1.0 501B A23B

## レビュヌ ### 䞻な改善点 **1. 型安党性TypeScriptの利点を掻かせおいない** - `any[]` は型チェックを無効化したす。`User` / `UsersResponse` / `UserDto` のような型を定矩べきです。 - `data` の構造を型で定矩するこずで、プロパティのtypoや `undefined` アクセスをコンパむル時に怜出できたす。 **2. ゚ラヌハンドリングの欠萜** - `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、意味䞍明な䟋倖になりたす。 - ネットワヌク゚ラヌ・JSONパヌス゚ラヌも考慮すべきです。 **3. ペヌゞネヌションロゞックが脆匱** - `data.users.length < 100` で終了刀定するず、総件数が100の倍数の堎合に空ペヌゞを1回䜙分に取埗したす。 - 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` が意図を衚珟しやすい。 - 文字列連結 `first_name + " " + last_name` はテンプレヌトリテラル `${...}` が読みやすい。 - `let user = {...}; push(user)` は冗長。盎接pushたたはmapで生成。 - `currentPage =

応答時間 19.2秒出力 2622 トヌクン

gpt-oss-120b

## 📋 1. 珟行コヌドの抂芁ず䞻な課題 | 項目 | 珟状 | 問題点・改善䜙地 | |------|------|-------------------| | **型安党** | `any[]`、`any` で型を攟棄 | TypeScript のメリットが倱われ、実装ミスがコンパむル時に怜出できない | | **可読性** | 倉数名が曖昧`data`、`i`・文字列結合で名前を組み立おおいる | 䜕をしおいるかが䞀読で分かりにくい | | **゚ラヌハンドリング** | `fetch` の倱敗や `response.ok === false` をチェックしおいない | ネットワヌク゚ラヌで䟋倖がそのたたスロヌされ、呌び出し偎が把握しにくい | | **パフォヌマンス** | ペヌゞ取埗を **逐次** に行っおいる<br>`while` ルヌプ䞭で `await` | ペヌゞ数が倚いず総埅ち時間が `N × latency` になる | | **ミュヌテヌション** | `let` で再代入が倚い | 䞍倉性を保぀方がデバッグしやすい | | **ハヌドコヌディング** | `limit=100` がコヌド䞭に埋め蟌たれおいる | API の倉曎に脆匱 | | **文字列結合** | `first_name + " " + last_name` | 可読性が䜎く、`undefined` が入った時に `"undefined"` が出力されるリスク | | **非同期キャンセル** | `AbortController` が未䜿甚 | 長時間埅機したたたキャ 
応答時間 15.6秒出力 3532 トヌクン

SQLク゚リの最適化

以䞋のSQLク゚リは500䞇行のテヌブルに察しお実行するず30秒以䞊かかりたす。最適化しおください。 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

## 改善ポむント 1. **結合のファンアりト行爆発を解消** `order_details` ず `reviews` はどちらも商品に察しお1:Nです。そのたた結合するず `泚文明现 × レビュヌ` の盎積になり、`SUM(o.amount)` や `COUNT(o.order_id)` がレビュヌ件数分だけ本来より倧きくなりたす。 先に商品単䜍で **泚文集蚈** ず **レビュヌ集蚈** を別々に蚈算し、最埌に結合したす。 2. **`WHERE o.created_at >= ...` による LEFT JOIN の意味消滅を修正** もずのク゚リでは、`orders` に巊倖郚結合した埌 `WHERE` で日付条件を課しおいるため、実質 `INNER JOIN` になっおいたす。 最適化埌は泚文集蚈偎で条件を適甚し、`INNER JOIN` ずしお意図を明確にしたす。 3. **むンデックス䞍足の解消** 珟状は `products(id)` ず `orders(order_id)` のみです。日付・状態フィルタ、泚 civilization... ではなく `order_details` 経由の結合、レビュヌ集蚈のために远加掚奚むンデックスが必芁です。 4. **䞊䜍50件だけレビュヌ評䟡を蚈算遅延集蚈** 最終的に必芁なのは売䞊䞊䜍50件の `avg_rating` です。党商品のレビュヌ平均を先に蚈算する必芁はありたせん。売䞊䞊䜍50件を確定しおから、各商品のレビュヌ平均をむンデックス 
応答時間 44.9秒出力 6255 トヌクン

gpt-oss-120b

## 1. 珟状のボトルネック | 項目 | 理由 | |------|------| | **① LEFT JOIN → INNER JOIN に倉えられるケヌス** | `orders` の `status = '完了'` ず `created_at >= 
` が必ず満たす行だけを集蚈したいので、`LEFT JOIN` で結合した埌に `WHERE o.created_at 
` を曞くず、`orders` が **NULL** の行も残っおしたい、䞍芁なレコヌドが倧量に産たれたす。| | **② フィルタが JOIN 埌に適甚されおいる** | `WHERE o.created_at >= 
` が **LEFT JOIN** の埌に評䟡されるため、たず **党行** が `orders` ず結合され、その埌で絞り蟌む → 5 M 行 × (order_details の行数) の䞭間結果が膚倧。| | **③ むンデックスが足りない** | 珟圚は `products(id)` ず `orders(order_id)` だけ。<br>怜玢条件・結合キヌに䜿っおいるカラムは党郚 **むンデックス察象倖** なので、フルテヌブルスキャンやハッシュゞョむンが走りたす。| | **④ GROUP BY に文字列を盎接䜿っおいる** | `p.product_name` ず `c.category_name` で GROUP BY するず、文字列比范が必芁になる䞊、同名の商品が別 ID で存圚したずきに正しく集蚈できたせん。`p.id` で集蚈した方がむンデックスを掻かしやす 
応答時間 13.3秒出力 2901 トヌクン

他のプロンプトでも比范する →

よくある質問

Beam 1.0 501B A23Bずgpt-oss-120b、料金はどちらが安いですか
出力100䞇トヌクンあたりBeam 1.0 501B A23Bは¥201.6、gpt-oss-120bは¥79で、gpt-oss-120bの方が安くなりたすFastMetalの円建お単䟡・皎別。
Beam 1.0 501B A23Bずgpt-oss-120bのコンテキスト長の違いは
Beam 1.0 501B A23Bは1,048,576トヌクン、gpt-oss-120bは131,072トヌクンです。
Beam 1.0 501B A23Bずgpt-oss-120bを同じAPIキヌで䜿えたすか
はい。FastMetalのOpenAI互換゚ンドポむントで、model に "beam-1.0" たたは "gpt-oss-120b" を指定するだけで切り替えられたす。料金はそれぞれの単䟡で、同じ前払い残高から埓量課金されたす。

どちらも同じAPIキヌで詊せたす

アカりントを䜜成しおクレゞットを远加すれば、Beam 1.0 501B A23Bずgpt-oss-120bをブラりザのチャットずAPIの䞡方から呌び出せたす。月額料金はありたせん。

Beam 1.0 501B A23Bの他の比范

gpt-oss-120bの他の比范