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 Sonnet 4.6 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 Sonnet 4.6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 Sonnet 4.6openai logoGPT-6 Luna
提䟛元AnthropicOpenAI
入力100䞇トヌクンあたり¥554.4Â¥16.8
出力100䞇トヌクンあたり¥2,772Â¥84
想定コスト入力1,000・出力500トヌクン × 1,000回¥1,940Â¥59
コンテキスト長1,000,000 トヌクン1,050,000 トヌクン
リリヌス日2026/2/172026/9/22
入力モダリティtext, imagefile, image, text
生成速床 (p50)399 トヌクン/秒 (n=27)82 トヌクン/秒 (n=25)
アリヌナ 総合#46 · ELO 1,472#97 · ELO 1,441
アリヌナ 日本語#51 · ELO 1,440#73 · ELO 1,421
アリヌナ コヌディング#27 · ELO 1,528#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 Sonnet 4.6より97%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でClaude Sonnet 4.6が䞊です46䜍。GPT-6 Lunaは97䜍。
  • 日本語の評䟡はアリヌナ順䜍でClaude Sonnet 4.6が䞊です51䜍。GPT-6 Lunaは73䜍。
  • コヌディングの評䟡はアリヌナ順䜍でClaude Sonnet 4.6が䞊です27䜍。GPT-6 Lunaは66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 Sonnet 4.6の1,000,000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 Sonnet 4.6

## ゚ラヌの原因 `order["price"]` が **数倀型ではなく文字列型`str`** ずしお取埗されおいるため、`*` 挔算子で敎数ずの掛け算ができず゚ラヌが発生しおいたす。 ### なぜ文字列になるのか ``` # DBから取埗した倀のむメヌゞ order["price"] = "1500" # str型 ← 本来は float/int であるべき order["quantity"] = 2 # int型 "1500" * 2 → TypeError! # 文字列 * æ•Žæ•° = 文字列の繰り返しではなく、゚ラヌ ``` **䞻な原因パタヌン** - DBのカラム型が `VARCHAR` や `TEXT` になっおいる - DBドラむバヌの蚭定・バヌゞョンによる型倉換の問題 - デヌタ投入時に文字列ずしお保存されおしたっおいる --- ## 修正方法 ### ✅ 掚奚明瀺的な型倉換で防埡的に察凊 ```python def get_user_orders(user_id): orders = db.query( "SELECT price, quantity FROM orders WHERE user_id = %s", user_id ) # price を float、quantity を int に明瀺的に倉換 total = sum( float(order["price"]) * int(order["quantity"])

応答時間 15.8秒出力 992 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 Sonnet 4.6

## コヌドレビュヌ ### 問題点の抂芁 | カテゎリ | 問題点 | |---------|--------| | 型安党性 | `any`型の倚甚 | | ゚ラヌ凊理 | HTTP゚ラヌやネットワヌク障害ぞの察応なし | | 可読性 | 冗長なルヌプず倉数操䜜 | | パフォヌマンス | ペヌゞネヌション刀定ロゞックの脆匱性 | | 保守性 | マゞックナンバヌのハヌドコヌド | --- ### 改善埌のコヌド ```typescript // 型定矩を明確に分離 interface ApiUser { id: string; first_name: string; last_name: string; email: string; status: "active" | "inactive" | "deleted"; } interface ApiResponse { users: ApiUser[]; total: number; // APIが返す総件数利甚可胜な堎合 hasNextPage: boolean; // APIが返す次ペヌゞフラグ利甚可胜な堎合 } interface User { id: string; name: string; email: string; } // 蚭定倀を定数ずしお切り出しマゞックナンバヌの排陀 const FETCH_CONFIG = { PAGE_SIZE: 100, BASE_URL: "/api/users", } as cons

応答時間 21.3秒出力 1609 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 Sonnet 4.6

## 問題点の分析 ### 珟状のボトルネック ``` 1. むンデックス䞍足 → フルスキャンが倚発 2. LEFT JOINの誀甚 → WHERE句で実質INNER JOINになっおいる 3. サブク゚リなしの集蚈 → 党結合埌に集蚈しおいる 4. GROUP BYの列指定 → 非効率な重耇排陀 ``` --- ## 最適化ステップ1: むンデックスの远加 ```sql -- フィルタ・結合・゜ヌトに䜿甚するむンデックス CREATE INDEX idx_products_active_category ON products(is_active, category_id, id); -- WHERE + JOIN CREATE INDEX idx_order_details_product ON order_details(product_id, order_id); -- JOIN CREATE INDEX idx_orders_status_date ON orders(status, created_at, order_id, amount); -- WHERE + 集蚈カバリングむンデックス CREATE INDEX idx_reviews_product ON reviews(product_id, rating); -- JOIN + 集蚈カバリングむンデックス CREATE INDEX idx_categorie

応答時間 28.2秒出力 1828 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 Sonnet 4.6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 Sonnet 4.6は¥2,772、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 Sonnet 4.6ずGPT-6 Lunaのコンテキスト長の違いは
Claude Sonnet 4.6は1,000,000トヌクン、GPT-6 Lunaは1,050,000トヌクンです。
Claude Sonnet 4.6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Claude Sonnet 4.6が䞊ですClaude Sonnet 4.6 51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 Sonnet 4.6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-sonnet-4-6" 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 Sonnet 4.6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 Sonnet 4.6をチャットで詊すGPT-6 Lunaをチャットで詊す

Claude Sonnet 4.6の他の比范

GPT-6 Lunaの他の比范