Claude Haiku 5.5 vs LLM-jp-3.1 8x13B instruct4
料金・コンテキスト長・実際の回答で比較（2026年10月時点）
Claude Haiku 5.5（Anthropic）とLLM-jp-3.1 8x13B instruct4（LLM-jp）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
 Claude Haiku 5.5 | LLM-jp-3.1 8x13B instruct4 | |
|---|---|---|
| 提供元 | Anthropic | LLM-jp |
| 入力（100万トークンあたり） | ¥16.8 | ¥16 |
| 出力（100万トークンあたり） | ¥84 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥59 | ¥56 |
| コンテキスト長 | 1,000,000 トークン | 4,096 トークン |
| リリース日 | 2026/10/7 | 2026/3/21 |
| 入力モダリティ | text, image, file | text |
| 生成速度 (p50) | — | 125 トークン/秒 (n=24) |
| アリーナ 総合 | 圏外 | 圏外 |
| アリーナ 日本語 | 圏外 | 圏外 |
| アリーナ コーディング | 圏外 | 圏外 |
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、2026-10-02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LLM-jp-3.1 8x13B instruct4。出力100万トークンあたり¥79で、Claude Haiku 5.5より6%安くなります。
- 長い文書を扱うならClaude Haiku 5.5。コンテキスト長は1,000,000トークンで、LLM-jp-3.1 8x13B instruct4の4,096トークンより広くとれます。
- 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…
Claude Haiku 5.5
## 原因
エラーメッセージは `*` 演算子のオペランドに `str` と `int` が渡されたことを示しています。`order["price"]` が文字列になっているため、掛け算の前に型が合っていません。主な原因は次の3つです。
1. **DBの列の型が文字列になっている**
`price` が `VARCHAR` や `TEXT` 型の列だと、値が `"1200"` のような文字列で返ってきます。
2. **DBドライバが数値を文字列で返している**
`DECIMAL`/`NUMERIC` 型を文字列として扱うドライバや設定があります。
3. **行の形式がdictではなくtupleになっている**
`db.query` が tuple を返す場合、`order["price"]` は `TypeError: tuple indices must be integers or slices, not str` になります。dictとしてアクセスできているなら、この問題は起きていません。
補足として、`str * int` 自体は Python では「文字列の繰り返し」として有効です(例: `"ab" * 3` は `"ababab"`)。そのため、エラーメッセージと実際のコードの動作には少しずれがあります。実際には、掛け算の結果が文字列になり、その後の `sum()` で `int + str` のように失敗している可能性もあります。正確な原因は、次のように型を確認すると特定できます。
```python
orders = db.query(…
応答時間 10.7秒出力 1917 トークン
LLM-jp-3.1 8x13B instruct4
このエラーは、データベースから取得した注文リストに含まれる辞書型データの `price` と `quantity` の値が整数ではなく文字列になっていることが原因です。 `sum` 関数に渡されるジェネレータ式の中で、文字列と整数を乗算しようとしているため、 `TypeError` が発生しています。
この問題を解決するには、 `price` と `quantity` の値を取得する際に、適切に型変換を行う必要があります。以下のように修正しましょう。
```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"]` の値を取得後、 `int()` 関数を使って整数に変換しています。これにより、ジェネレータ式の中で適切に乗算が行われ、エラーが解消されます。
ただし、 `quantity` の値が負の数の場合、 `int()` 関数を使用するとマイナスの符号が消えてしまいます。もし、 `quantity` が負の数であってもそのままマイナスの符…
応答時間 4.9秒出力 523 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…
Claude Haiku 5.5
## 全体の評価
動作はしますが、型安全性、エラー処理、ループの終了条件に改善の余地があります。以下、観点ごとに整理します。
---
## 1. 可読性
| 問題点 | 内容 |
|---|---|
| `any` の多用 | 戻り値・中間データがすべて `any` のため、型チェックの恩恵がありません。 |
| マジックナンバー | `100` が2箇所に出てくるため、意味が伝わりにくく、変更時に片方を直し忘れる恐れがあります。 |
| `hasMore` の冗長さ | `hasMore` フラグは `while` 条件と `if` 文で二重に管理されており、意図が読み取りにくくなっています。 |
| インデックスによる `for` ループ | `for...of` や `filter`/`map` の方が意図が明確です。 |
| 文字列連結 | `first_name + " " + last_name` はテンプレートリテラルの方が読みやすいです。 |
| 不要な中間変数 | `let user` は再代入しないので `const` にすべきです。 |
---
## 2. パフォーマンス
- **逐次リクエスト**: 各ページを順番に取得しているため時間がかかります。ただし、APIがトータル件数やページ数を返す場合は `Promise.all` で並列化できます。
- **`push` の効率**: ループ内での `push` は問題ありませんが、`filter` + `map` で一度に変換すると処理の意図が明確になります。
- **削除対象の除外をサーバ…
応答時間 15.9秒出力 3369 トークン
LLM-jp-3.1 8x13B instruct4
このTypeScript関数にはいくつかの改善点があります。以下に、可読性、パフォーマンス、ベストプラクティスを考慮したレビューと改良提案を示します。
1. ページングとリミットのロジックを修正し、APIからの全ての情報を取得した後にフィルタリングを行うことでパフォーマンスを向上させます。
2. undefinedやnullのチェックを追加し、型注釈を改善します。
3. 再帰的なアプローチを避け、イテレーティブな方法に変更して可読性を向上させます。
改良後、関数は以下のようになります。
```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…
Claude Haiku 5.5
## 主な問題点
### 1. 結果が不正確になる可能性がある(最重要)
`products → order_details → orders → reviews` を一度に JOIN しているため、**1つの商品に対して「注文行 × レビュー行」の直積が発生します**。
- 商品に 100件の注文と 50件のレビューがあると、注文1件が 50 回カウントされ、`SUM(o.amount)` と `COUNT(o.order_id)` が水増しされます。
- 性能だけでなく、集計値そのものが誤る問題です。
### 2. LEFT JOIN が WHERE 句で実質 INNER JOIN になっている
`WHERE o.created_at >= '2024-04-01'` は、注文がない行(NULL)を除外します。そのため LEFT JOIN の意味がなくなっており、オプティマイザにも意図が伝わりにくくなっています。
### 3. 必要なインデックスがない
インデックスは主キーだけなので、以下の JOIN や WHERE でフルスキャンが発生します。
- `order_details.order_id`、`order_details.product_id`
- `orders(status, created_at)`
- `reviews.product_id`
- `products.category_id`
### 4. GROUP BY が名前で行われている
`product_name` や `category_name` で GROUP BY すると、同名の別…
応答時間 16.1秒出力 3558 トークン
LLM-jp-3.1 8x13B instruct4
このSQLクエリの最適化にはいくつかのステップが必要です。以下に各改善点とその理由を説明します。
### 1. インデックスの追加
現在のインデックスは `products(id)` と `orders(order_id)` のみのようですが、他にも必要なインデックスを追加することでクエリのパフォーマンスを向上させることができます。
#### 追加すべきインデックス:
- `categories(id)`: `LEFT JOIN categories` で使用されているため、インデックスを追加することで結合が高速化されます。
- `order_details(product_id, order_id)`: `LEFT JOIN order_details` で使用されているため、複合インデックスを追加することで結合が高速化されます。
- `reviews(product_id)`: `LEFT JOIN reviews` で使用されているため、インデックスを追加することで結合が高速化されます。
- `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされているため、インデックスを追加することでフィルタリングが高速化されます。
### 2. クエリのリファクタリング
クエリ自体をリファクタリングすることで、不要な結合やサブクエリを避け、パフォーマンスを向上させることができます。
#### 改善点:
- サブクエリの使用: 一部の集計をサブクエリとして分離することで、メインクエリの負荷を軽減す…
応答時間 7.9秒出力 917 トークン
よくある質問
- Claude Haiku 5.5とLLM-jp-3.1 8x13B instruct4、料金はどちらが安いですか？
- 出力100万トークンあたりClaude Haiku 5.5は¥84、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなります（FastMetalの円建て単価・税別）。
- Claude Haiku 5.5とLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは？
- Claude Haiku 5.5は1,000,000トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
- Claude Haiku 5.5とLLM-jp-3.1 8x13B instruct4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 "anthropic-claude-haiku-5-5" または "llm-jp-3.1-8x13b-instruct4" 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、Claude Haiku 5.5とLLM-jp-3.1 8x13B instruct4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。
Claude Haiku 5.5の他の比較
LLM-jp-3.1 8x13B instruct4の他の比較
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Sonnet 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Sonnet 5.5
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5.1
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 4.8
- LLM-jp-3.1 8x13B instruct4の詳細を見る