Claude Sonnet 5 vs GLM 5.2
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
Claude Sonnet 5（Anthropic）とGLM 5.2（Z.ai）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 |  GLM 5.2 | |
|---|---|---|
| 提供元 | Anthropic | Z.ai |
| 入力（100万トークンあたり） | ¥357.4 | ¥250.18 |
| 出力（100万トークンあたり） | ¥1,787 | ¥786.28 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,251 | ¥643 |
| コンテキスト長 | 1,000,000 トークン | 1,048,576 トークン |
| リリース日 | 2026/6/30 | 2026/6/16 |
| 入力モダリティ | text, image, file | text |
| アリーナ 総合 | #44 · ELO 1,460 | #31 · ELO 1,469 |
| アリーナ 日本語 | #14 · ELO 1,469 | #13 · ELO 1,472 |
| アリーナ コーディング | #19 · ELO 1,522 | #46 · ELO 1,506 |
料金はFastMetalの円建て単価（税別）。アリーナ順位は公開リーダーボードの最新取得時点の値です。
どちらを選ぶべきか
- 料金重視ならGLM 5.2。出力100万トークンあたり¥786.28で、Claude Sonnet 5より56%安くなります。
- 総合の評価はアリーナ順位でGLM 5.2が上です（31位。Claude Sonnet 5は44位）。
- 日本語の評価はアリーナ順位でGLM 5.2が上です（13位。Claude Sonnet 5は14位）。
- コーディングの評価はアリーナ順位でClaude Sonnet 5が上です（19位。GLM 5.2は46位）。
- 長い文書を扱うならGLM 5.2。コンテキスト長は1,048,576トークンで、Claude Sonnet 5の1,000,000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
# 原因
データベースから取得した `price` カラムの値が **文字列（str）型** として返されており、`quantity`（int型）との乗算でエラーが発生しています。
主な原因として考えられるケース：
1. DBのカラム定義が `VARCHAR` や `TEXT` になっている（本来は `DECIMAL`/`NUMERIC`/`INT` であるべき）
2. DBドライバの設定や仕様上、数値型でも文字列として返される場合がある（例: 一部のドライバで `DECIMAL` 型が str 変換される）
3. アプリ側でSQLの結果をそのまま使っていて、型変換をしていない
# 修正方法
## 方法1: アプリケーション側で明示的に型変換する（最も安全）
```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}
```
※ 金額計算で誤差を避けたい場合は `Decimal` を使うほうが望ましいです。
```python
from decimal import Deci…
応答時間 11.7秒出力 912 トークン
GLM 5.2
## エラーの原因
エラーメッセージ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型と整数型を掛け算（`*`）しようとしました」という意味です。
該当コードの `order["price"] * order["quantity"]` の部分において、データベースから取得した `price` または `quantity` のどちらか（あるいは両方）が数値ではなく**文字列（String）**として取得されていることが原因です。
これはよくある落とし穴で、以下のような理由で発生します。
1. データベースの該当カラム（`price` や `quantity`）が、数値型（INTやDECIMAL）ではなく、文字列型（VARCHARやTEXT）で定義されている。
2. データベースのカラムは数値型だが、使用しているデータベースドライバの仕様や設定により、Python側に文字列として渡されている。
## 修正方法
### 1. Pythonコード側で型変換を行う（一時的な対応）
Pythonコード側で明示的に数値型（`int` または `float`）に変換してから計算を行います。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
# priceを float、…
応答時間 23.4秒出力 2031 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
# レビュー結果
## 1. 型安全性の欠如（ベストプラクティス）
`any[]` を使っているため、コンパイル時の型チェックが効きません。APIレスポンスとユーザーの型を明示的に定義すべきです。
```typescript
interface ApiUser {
id: string;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface ApiResponse {
users: ApiUser[];
}
interface User {
id: string;
name: string;
email: string;
}
```
## 2. エラーハンドリングが無い（ベストプラクティス）
- `fetch` が失敗した場合や `response.ok` が `false` の場合の処理がありません。
- `response.json()` のパース失敗も想定されていません。
```typescript
if (!response.ok) {
throw new Error(`Failed to fetch users: ${response.status}`);
}
```
## 3. 手続き的なループ処理（可読性）
`for` + インデックスアクセスの代わりに `filter` + `map` を使うと意図が明確になります。
```typescript
const activeUsers = data.us…
応答時間 29.9秒出力 2326 トークン
GLM 5.2
ご提示いただいたTypeScriptのコードは動作しますが、可読性・パフォーマンス・ベストプラクティスの観点からいくつか改善の余地があります。
以下に主な改善点と、それを反映した修正版のコードを提案します。
### 主な改善点
1. **型安全性の向上（ベストプラクティス）**
- 戻り値や配列の型が `any[]` になっています。TypeScriptの利点を活かすため、APIのレスポンスや返却するユーザーの型（Interface）を明示的に定義すべきです。
2. **エラーハンドリングの追加（ベストプラクティス・堅牢性）**
- `fetch` はHTTPエラー（4xx, 5xx）が発生しても例外をスローしません。`response.ok` をチェックし、エラー時には例外をスローする処理を追加すべきです。
3. **配列操作のモダン化（可読性・パフォーマンス）**
- `for` ループによるインデックスアクセスは冗長です。`filter` と `map` を組み合わせることで、何をしているのかが直感的にわかるようになります。
4. **変数のスコープと宣言（ベストプラクティス）**
- ループ内で値が変わらない `user` オブジェクトは `let` ではなく `const` で宣言すべきです。
- `currentPage = currentPage + 1` は `currentPage++` のように簡潔に記述できます。
5. **ハードコーディングの回避（可読性・保守性）**
- `100` というマジックナンバーが複数…
応答時間 10.4秒出力 2232 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
# SQLクエリの問題点と最適化
## 🔴 重大な問題（バグ + パフォーマンス両方に影響）
### 1. Fan-out（ファンアウト）問題 ← 最重要
`order_details/orders` と `reviews` を**同時に**JOINしているため、行が掛け算的に増加します。
例：商品Aに注文3件、レビュー5件がある場合
→ JOIN後は **3 × 5 = 15行** になり、`COUNT(order_id)` や `SUM(amount)` が実際の値の5倍になってしまいます（集計結果が壊れている）。
これが最大のコストと不正確性の原因です。
### 2. LEFT JOINをWHERE句で無効化している
```sql
LEFT JOIN orders o ON ...
WHERE ... AND o.created_at >= '2024-04-01'
```
LEFT JOINしているのに、WHEREで`o`の列に条件をかけると、`o`がNULLの行（注文がない商品）が除外され、**実質INNER JOINと同じ**になります。「注文がない商品も表示したい」という意図なら、条件はON句に書くべきです。
### 3. インデックス不足によるフルスキャン
- `products.is_active` → フィルタでフルスキャン
- `products.category_id` → JOINでフルスキャン
- `order_details.product_id / order_id` → JOINでフルスキャン
- `orders.status /…
応答時間 34.0秒出力 3005 トークン
GLM 5.2
500万行のテーブルに対して30秒かかる原因は、主に**インデックスの不足**と**結合によるファンアウト（直積）の発生**、そして**LEFT JOINとWHERE句の論理的矛盾**にあります。
以下に最適化したクエリと、推奨されるインデックス、そして改善点の解説を記載します。
### 最適化後のクエリ案
```sql
WITH ProductSales AS (
-- 注文データの事前集計
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM order_details od
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_id
),
ProductRatings AS (
-- レビューデータの事前集計
SELECT
product_id,
AVG(rating) AS avg_rating
FROM reviews
GROUP BY product_id
)
SELECT
p.product_name,
c.category_name,
COALESCE(ps.order_count, 0) AS order_count,
COALESCE(ps.tota…
応答時間 16.7秒出力 2525 トークン
よくある質問
- Claude Sonnet 5とGLM 5.2、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は¥1,787、GLM 5.2は¥786.28で、GLM 5.2の方が安くなります（FastMetalの円建て単価・税別）。
- Claude Sonnet 5とGLM 5.2のコンテキスト長の違いは？
- Claude Sonnet 5は1,000,000トークン、GLM 5.2は1,048,576トークンです。
- Claude Sonnet 5とGLM 5.2、評価が高いのはどちらですか？
- 公開アリーナの順位ではGLM 5.2が上です（Claude Sonnet 5 14位、GLM 5.2 13位）。順位はリーダーボードの更新で変わります。
- Claude Sonnet 5とGLM 5.2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" または "glm-5.2" 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チャージすれば、Claude Sonnet 5とGLM 5.2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。