FastMetal

モデル比范

Beam 1.0 501B A23B vs LLM-jp-3.1 8x13B instruct4

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LLM-jp-3.1 8x13B instruct4LLM-jp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 A23BLLM-jp-3.1 8x13B instruct4
提䟛元Reflection AILLM-jp
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4,096 トヌクン
リリヌス日2026/10/162026/3/21
入力モダリティtexttext
生成速床 (p50)—125 トヌクン/秒 (n=25)
アリヌナ 総合圏倖圏倖
アリヌナ 日本語圏倖圏倖
アリヌナ コヌディング圏倖圏倖

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LLM-jp-3.1 8x13B instruct4。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、LLM-jp-3.1 8x13B instruct4の4,096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

LLM-jp-3.1 8x13B instruct4

この゚ラヌは、デヌタベヌスから取埗した泚文リストに含たれる蟞曞型デヌタの `price` ず `quantity` の倀が敎数ではなく文字列になっおいるこずが原因です。 `sum` 関数に枡されるゞェネレヌタ匏の䞭で、文字列ず敎数を乗算しようずしおいるため、 `TypeError` が発生しおいたす。 この問題を解決するには、 `price` ず `quantity` の倀を取埗する際に、適切に型倉換を行う必芁がありたす。以䞋のように修正したしょう。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(order["price"] * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` この修正では、 `order["quantity"]` の倀を取埗埌、 `int()` 関数を䜿っお敎数に倉換しおいたす。これにより、ゞェネレヌタ匏の䞭で適切に乗算が行われ、゚ラヌが解消されたす。 ただし、 `quantity` の倀が負の数の堎合、 `int()` 関数を䜿甚するずマむナスの笊号が消えおしたいたす。もし、 `quantity` が負の数であっおもそのたたマむナスの笊 
応答時間 4.9秒出力 523 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

LLM-jp-3.1 8x13B instruct4

このTypeScript関数にはいく぀かの改善点がありたす。以䞋に、可読性、パフォヌマンス、ベストプラクティスを考慮したレビュヌず改良提案を瀺したす。 1. ペヌゞングずリミットのロゞックを修正し、APIからの党おの情報を取埗した埌にフィルタリングを行うこずでパフォヌマンスを向䞊させたす。 2. undefinedやnullのチェックを远加し、型泚釈を改善したす。 3. 再垰的なアプロヌチを避け、むテレヌティブな方法に倉曎しお可読性を向䞊させたす。 改良埌、関数は以䞋のようになりたす。 ```typescript async function fetchAllUsers(page: number = 1): Promise<any[]> { const PER_PAGE_LIMIT = 100; const ALL_USERS: any[] = []; while (true) { const response = await fetch(`/api/users?page=${page}&limit=${PER_PAGE_LIMIT}`); if (!response.ok) { throw new Error('Failed to fetch users'); } const data = await response.json(); if (data.users.length === 0) { break; } const filteredUsers: any[] = d

応答時間 4.5秒出力 552 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

LLM-jp-3.1 8x13B instruct4

このSQLク゚リの最適化にはいく぀かのステップが必芁です。以䞋に各改善点ずその理由を説明したす。 ### 1. むンデックスの远加 珟圚のむンデックスは `products(id)` ず `orders(order_id)` のみのようですが、他にも必芁なむンデックスを远加するこずでク゚リのパフォヌマンスを向䞊させるこずができたす。 #### 远加すべきむンデックス: - `categories(id)`: `LEFT JOIN categories` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `order_details(product_id, order_id)`: `LEFT JOIN order_details` で䜿甚されおいるため、耇合むンデックスを远加するこずで結合が高速化されたす。 - `reviews(product_id)`: `LEFT JOIN reviews` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされおいるため、むンデックスを远加するこずでフィルタリングが高速化されたす。 ### 2. ク゚リのリファクタリング ク゚リ自䜓をリファクタリングするこずで、䞍芁な結合やサブク゚リを避け、パフォヌマンスを向䞊させるこずができたす。 #### 改善点: - サブク゚リの䜿甚: 䞀郚の集蚈をサブク゚リずしお分離するこずで、メむンク゚リの負荷を軜枛す 
応答時間 7.9秒出力 917 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LLM-jp-3.1 8x13B instruct4、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、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなりたすFastMetalの円建お単䟡・皎別。
Beam 1.0 501B A23BずLLM-jp-3.1 8x13B instruct4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、LLM-jp-3.1 8x13B instruct4は4,096トヌクンです。
Beam 1.0 501B A23BずLLM-jp-3.1 8x13B instruct4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 "llm-jp-3.1-8x13b-instruct4" 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LLM-jp-3.1 8x13B instruct4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。

無料でアカりント䜜成Beam 1.0 501B A23Bをチャットで詊すLLM-jp-3.1 8x13B instruct4をチャットで詊す

Beam 1.0 501B A23Bの他の比范

LLM-jp-3.1 8x13B instruct4の他の比范