Claude Sonnet 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9月時点）
Claude Sonnet 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 Sonnet 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） | ¥357.4 | ¥16 |
| 出力（100万トークンあたり） | ¥1,787 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,251 | ¥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 | 2026/9/28 | 2026/3/21 |
| 入力モダリティ | text, image, file | text |
| 生成速度 (p50) | — | 126 トークン/秒 (n=16) |
| 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の円建て単価（税別）。
順位データ: LMArena leaderboard dataset（lmarena-ai/leaderboard-dataset、CC BY 4.0、2026-09-25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 Sonnet 5.5より96%安くなります。
- 長い文書を扱うならClaude Sonnet 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 Sonnet 5.5
## 原因
`order["price"]` が数値ではなく**文字列（str）**で返ってきていることが原因です。
- `price` カラムが `VARCHAR`/`TEXT` 型になっている
- DB ドライバや DB ラッパー (`db.query`) が `DECIMAL`/`NUMERIC` を文字列で返している
- CSV や JSON 由来のデータをそのまま保存している
などが考えられます。
補足として、純粋な Python 3 では `"abc" * 3` は文字列の繰り返しとして**エラーになりません**。そのため、提示されたメッセージ通りの文言は標準の `str * int` では出にくく、`db.query` が独自の型を返している可能性もあります。実際には `sum()` 内で `int + str` の TypeError になることが多いです。いずれにしても「`price` が数値型でない」という根本原因は同じです。
まず型を確認してください。
```python
print(type(orders[0]["price"]), repr(orders[0]["price"]))
print(type(orders[0]["quantity"]), repr(orders[0]["quantity"]))
```
## 修正案
### 1. コード側で数値に変換する（金額なので `Decimal` 推奨）
```python
from decimal import Decimal
def get_user_orders(user_…
応答時間 12.3秒出力 1534 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 Sonnet 5.5
# コードレビュー: `fetchAllUsers`
## 総評
ページネーションを回して全件取得するという意図は明確で、動作としては成立します。ただし、**型安全性・エラーハンドリング・関数の責務・命名**に改善余地があります。
---
## 1. 可読性
| 問題点 | 詳細 | 改善案 |
|---|---|---|
| `any` の多用 | 戻り値も `data` も `any` で、型チェックの恩恵がない | `ApiUser` / `User` 型を定義する |
| マジックナンバー `100` | `limit=100` と `< 100` の2箇所に重複 | `PAGE_SIZE` 定数にする |
| インデックス付き `for` | `data.users[i]` が何度も登場して読みにくい | `filter` + `map`、または `for...of` |
| `let user` | 再代入しないのに `let` | `const`(または直接返す) |
| 文字列連結 | `+ " " +` は読みにくい | テンプレートリテラル |
| 引数名 `page` | 「全件取得」なのにページ指定があり意図が不明瞭 | `startPage` にリネーム、または引数自体を削除 |
| フラグ変数 `hasMore` | 制御フローが分散している | `break` / `return` で簡潔にする |
---
## 2. パフォーマンス
- **リクエストが逐次実行**: 次ページの有無が前ページの結果に依存するため逐次自体は仕方がない…
応答時間 21.0秒出力 2760 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 Sonnet 5.5
# 最適化のポイント
PostgreSQLを想定しています。このクエリは遅いだけでなく、**集計結果も誤っている**可能性が高いです。
## 問題点
### 1. JOINによる行の膨張(最大の原因、かつ結果が不正)
`order_details`と`reviews`を同じ`products`に直接JOINしているため、商品ごとに「注文明細数 × レビュー数」の行が生成されます。
- 注文明細100件、レビュー50件の商品は5,000行になる
- `COUNT(o.order_id)`と`SUM(o.amount)`はレビュー数倍に水増しされる
- `AVG(r.rating)`も注文数で重み付けされ、正しい平均にならない
### 2. LEFT JOINがWHEREで実質INNER JOINになっている
`WHERE o.created_at >= ...`は`o`がNULLの行を除外するため、`orders`へのLEFT JOINは意味を失っています。意図と実際の動作がずれている上、オプティマイザの結合順序の選択も難しくなります。
### 3. 集計を先にせず、全結合してからGROUP BYしている
巨大な中間結果をGROUP BYしてからソートし、上位50件だけ取り出しています。集計は結合前に済ませ、評価の計算は上位50件に絞ってから行うべきです。
### 4. `GROUP BY p.product_name, c.category_name`
同名の別商品が1行にマージされます。`p.id`でグループ化すべきです。
### 5. インデックス不足
`o…
応答時間 24.4秒出力 3370 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 Sonnet 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 Sonnet 5.5は¥1,787、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 Sonnet 5.5とLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは？
- Claude Sonnet 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 Sonnet 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-sonnet-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 Sonnet 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 Sonnet 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 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 vs Claude Haiku 4.5
- LLM-jp-3.1 8x13B instruct4の詳細を見る