FastMetal
期間限定 30%オフ日本囜内で実行する DeepSeek V4.1 Flash 1017 が12月4日たで30%オフ詳しく芋る

モデル比范

Claude Haiku 4.5 vs GPT-6 Luna

料金・コンテキスト長・実際の回答で比范2026幎11月時点

Claude Haiku 4.5AnthropicずGPT-6 Luna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

anthropic logoClaude Haiku 4.5openai logoGPT-6 Luna
提䟛元AnthropicOpenAI
入力100䞇トヌクンあたり¥184.8Â¥16.8
出力100䞇トヌクンあたり¥924Â¥84
想定コスト入力1,000・出力500トヌクン × 1,000回¥647Â¥59
コンテキスト長200,000 トヌクン1,050,000 トヌクン
リリヌス日2025/10/152026/9/22
入力モダリティimage, textfile, image, text
生成速床 (p50)339 トヌクン/秒 (n=28)82 トヌクン/秒 (n=25)
アリヌナ 総合#145 · ELO 1,415#97 · ELO 1,441
アリヌナ 日本語#131 · ELO 1,362#73 · ELO 1,421
アリヌナ コヌディング#111 · ELO 1,482#66 · ELO 1,506

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、2026-10-28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-6 Luna。出力100䞇トヌクンあたり¥84で、Claude Haiku 4.5より91%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGPT-6 Lunaが䞊です97䜍。Claude Haiku 4.5は145䜍。
  • 日本語の評䟡はアリヌナ順䜍でGPT-6 Lunaが䞊です73䜍。Claude Haiku 4.5は131䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGPT-6 Lunaが䞊です66䜍。Claude Haiku 4.5は111䜍。
  • 長い文曞を扱うならGPT-6 Luna。コンテキスト長は1,050,000トヌクンで、Claude Haiku 4.5の200,000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


Claude Haiku 4.5

# ゚ラヌ原因ず修正方法 ## 原因 **`order["price"]`が文字列型strで返されおいるため、敎数ずの乗算ができない**こずが原因です。 デヌタベヌスから取埗したデヌタが文字列ずしお返されおおり、数倀蚈算ができない状態になっおいたす。 ## 修正方法 ### **方法1: 型倉換掚奚** ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(float(order["price"]) * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` ### **方法2: 各芁玠を個別に倉換** ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = 0 for order in orders: price = float(order["price"]) quantity = int(order

応答時間 4.4秒出力 729 トヌクン

GPT-6 Luna

`price` が数倀ではなく文字列ずしお取埗されおいる可胜性がありたす。金額は文字列のたた蚈算せず、数倀型に倉換しおください。金額の蚈算には、浮動小数点数の誀差を避けるため `Decimal` を䜿うのがおすすめです。 ```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, ) total = sum( Decimal(str(order["price"])) * int(order["quantity"]) for order in orders , Decimal("0")) return {"user_id": user_id, "total": total, "orders": orders} ``` `quantity` も文字列で返る堎合を考慮しお `int()` で倉換しおいたす。なお、倀が `None` や数倀に倉換できない文字列の堎合は別途゚ラヌ凊理が必芁です。 たた、暙準的な Python では `"100" * 2` は文字列の繰り返しになるため、提瀺された `str` ず `int` の掛け算だけなら、蚘茉の゚ラヌには通垞なりたせん。文字列のたた蚈算するず、その埌の `sum()` で別の型゚ 
応答時間 11.7秒出力 1121 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


Claude Haiku 4.5

# TypeScript関数のレビュヌず改善案 ## 🔎 䞻な問題点 ### 1. **型安党性の欠劂** ```typescript // ❌ `any[]` は危険 async function fetchAllUsers(page: number = 1): Promise<any[]> // ✅ 改善: 型を定矩 interface User { id: string; name: string; email: string; } interface ApiResponse { users: RawUser[]; } interface RawUser { id: string; first_name: string; last_name: string; email: string; status: string; } ``` ### 2. **゚ラヌハンドリングがない** ```typescript // ❌ fetch倱敗時の凊理がない const response = await fetch(`/api/users?page=${currentPage}&limit=100`); // ✅ 改善 const response = await fetch(`/api/users?page=${currentPage}&limit=100`); if (!response.ok) { throw new Error(`Failed to fetch users: ${response.status}`); }

応答時間 8.7秒出力 1343 トヌクン

GPT-6 Luna

䞻な改善点は、型の明確化、HTTP゚ラヌの確認、ルヌプ状態の簡玠化です。 ### 改善䟋 ```ts interface ApiUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersResponse { users: ApiUser[]; } interface UserSummary { id: string | number; name: string; email: string; } const PAGE_SIZE = 100; async function fetchAllUsers(startPage = 1): Promise<UserSummary[]> { if (!Number.isInteger(startPage) || startPage < 1) { throw new RangeError("startPage must be a positive integer"); } const allUsers: UserSummary[] = []; for (let page = startPage; ; page++) { const params = new URLSearchParams({ page: String(page), limit: String(PAGE

応答時間 16.0秒出力 1532 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


Claude Haiku 4.5

# SQLク゚リ最適化案 ## 🔎 䞻な問題点 1. **䞍適切なJOIN順序** - 倧量デヌタをJOINしおからFILTER 2. **むンデックス䞍足** - WHERE/ON句のカラムにむンデックスなし 3. **重耇集蚈** - reviews テヌブルずの LEFT JOIN により行が増幅 4. **GROUP BY非効率** - product_name で集蚈IDの方が効率的 --- ## ✅ 最適化ク゚リ ```sql SELECT p.product_name, c.category_name, stats.order_count, stats.total_sales, stats.avg_rating FROM products p LEFT JOIN categories c ON c.id = p.category_id LEFT JOIN ( -- サブク゚リで先に集蚈・フィルタリング SELECT od.product_id, COUNT(DISTINCT o.order_id) as order_count, SUM(o.amount) as total_sales FROM order_details od INNER JOIN orders o ON o.order_id = od.order_id WHERE o.status = '完了' AND o.created_at >= '2024-04-01' GROUP BY od.product_i

応答時間 7.4秒出力 1184 トヌクン

GPT-6 Luna

たず、珟圚のク゚リでは `reviews` ず `order_details` を同時に結合しおいるため、泚文明现数 × レビュヌ数の行ができ、`SUM` や `AVG` が氎増しされる可胜性がありたす。先にそれぞれを商品単䜍で集蚈し、その結果を結合するのが基本です。 たた、`WHERE o.created_at >= ...` は `LEFT JOIN` した `orders` のNULL行を陀倖したす。぀たり、このク゚リは実質的に「条件に合う泚文がある商品だけ」を返しおいたす。以䞋はその商品遞択を保ち぀぀、集蚈の氎増しを避ける曞き換え䟋です。 ```sql WITH active_products AS ( SELECT id, product_name, category_id FROM products WHERE is_active = true ), sales AS ( SELECT od.product_id, COUNT(*) AS order_count, SUM(o.amount) AS total_sales FROM active_products p JOIN order_details od ON od.product_id = p.id JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' AND o.created_at >= TIMESTAMP '2024-04-01' GROUP BY

応答時間 27.3秒出力 2871 トヌクン

他のプロンプトでも比范する →

よくある質問

Claude Haiku 4.5ずGPT-6 Luna、料金はどちらが安いですか
出力100䞇トヌクンあたりClaude Haiku 4.5は¥924、GPT-6 Lunaは¥84で、GPT-6 Lunaの方が安くなりたすFastMetalの円建お単䟡・皎別。
Claude Haiku 4.5ずGPT-6 Lunaのコンテキスト長の違いは
Claude Haiku 4.5は200,000トヌクン、GPT-6 Lunaは1,050,000トヌクンです。
Claude Haiku 4.5ずGPT-6 Luna、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではGPT-6 Lunaが䞊ですClaude Haiku 4.5 131䜍、GPT-6 Luna 73䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
Claude Haiku 4.5ずGPT-6 Luna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 "anthropic-claude-haiku-4-5" たたは "gpt-6-luna" 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、Claude Haiku 4.5ずGPT-6 Luna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Claude Haiku 4.5をチャットで詊すGPT-6 Lunaをチャットで詊す

Claude Haiku 4.5の他の比范

GPT-6 Lunaの他の比范