FastMetal

モデル比范

Claude Sonnet 5 vs GPT-5.6 Luna

料金・コンテキスト長・実際の回答で比范2026幎10月時点

Claude Sonnet 5AnthropicずGPT-5.6 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 5openai logoGPT-5.6 Luna
提䟛元AnthropicOpenAI
入力100䞇トヌクンあたり¥336Â¥33.6
出力100䞇トヌクンあたり¥1,680Â¥201.6
想定コスト入力1,000・出力500トヌクン × 1,000回¥1,176Â¥134
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2026/6/302026/7/9
入力モダリティtext, image, filefile, image, text
生成速床 (p50)986 トヌクン/秒 (n=26)255 トヌクン/秒 (n=26)
アリヌナ 総合#32 · ELO 1,476#74 · ELO 1,452
アリヌナ 日本語#41 · ELO 1,442#60 · ELO 1,428
アリヌナ コヌディング#18 · ELO 1,532#75 · ELO 1,501

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、2026-10-08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-5.6 Luna。出力100䞇トヌクンあたり¥201.6で、Claude Sonnet 5より88%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でClaude Sonnet 5が䞊です32䜍。GPT-5.6 Lunaは74䜍。
  • 日本語の評䟡はアリヌナ順䜍でClaude Sonnet 5が䞊です41䜍。GPT-5.6 Lunaは60䜍。
  • コヌディングの評䟡はアリヌナ順䜍でClaude Sonnet 5が䞊です18䜍。GPT-5.6 Lunaは75䜍。
  • 長い文曞を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トヌクンで、Claude Sonnet 5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 5

# 原因 デヌタベヌスから取埗した `price` カラムの倀が **文字列str型** ずしお返されおおり、`quantity`int型ずの乗算で゚ラヌが発生しおいたす。 䞻な原因ずしお考えられるケヌス 1. DBのカラム定矩が `VARCHAR` や `TEXT` になっおいる本来は `DECIMAL`/`NUMERIC`/`INT` であるべき 2. DBドラむバの蚭定や仕様䞊、数倀型でも文字列ずしお返される堎合がある䟋: 䞀郚のドラむバで `DECIMAL` 型が str 倉換される 3. アプリ偎でSQLの結果をそのたた䜿っおいお、型倉換をしおいない # 修正方法 ## 方法1: アプリケヌション偎で明瀺的に型倉換する最も安党 ```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} ``` ※ 金額蚈算で誀差を避けたい堎合は `Decimal` を䜿うほうが望たしいです。 ```python from decimal import Deci

応答時間 11.7秒出力 912 トヌクン

GPT-5.6 Luna

原因は、`order["price"]` が文字列`str`ずしお取埗されおいるのに、`order["quantity"]` は敎数`int`であるためです。 ```python "1000" * 2 ``` は数倀の乗算ではなく、文字列の繰り返しずしお扱われるため、`str` ず `int` の乗算で゚ラヌになりたす。 ## 修正䟋Python偎で型倉換する 金額を扱うため、`float` ではなく `Decimal` を䜿うのが安党です。 ```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 ) return { "user_id": user_id, "total": total, "orders": orders, } ``` `price` が `"12.50"` のような文字列でも、`Decimal` に倉換しお正確に蚈算できたす。 ## SQL偎で数倀型に倉 
応答時間 6.7秒出力 775 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 5

# レビュヌ結果 ## 1. 型安党性の欠劂ベストプラクティス `any[]` を䜿っおいるため、コンパむル時の型チェックが効きたせん。APIレスポンスずナヌザヌの型を明瀺的に定矩すべきです。 ```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. ゚ラヌハンドリングが無いベストプラクティス - `fetch` が倱敗した堎合や `response.ok` が `false` の堎合の凊理がありたせん。 - `response.json()` のパヌス倱敗も想定されおいたせん。 ```typescript if (!response.ok) { throw new Error(`Failed to fetch users: ${response.status}`); } ``` ## 3. 手続き的なルヌプ凊理可読性 `for` + むンデックスアクセスの代わりに `filter` + `map` を䜿うず意図が明確になりたす。 ```typescript const activeUsers = data.us

応答時間 29.9秒出力 2326 トヌクン

GPT-5.6 Luna

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避ける `any` だずプロパティ名の誀りやレスポンス圢匏の倉曎を怜知できたせん。APIレスポンスず戻り倀に型を定矩するず可読性ず安党性が向䞊したす。 ### 2. HTTP゚ラヌを確認する `fetch` は、404や500でも䟋倖を投げずに `Response` を返したす。`response.ok` を確認する必芁がありたす。 ### 3. マゞックナンバヌを定数化する `100` はペヌゞサむズを衚しおいるため、定数にするず意図が明確になりたす。 ### 4. ペヌゞング条件をAPIのメタデヌタに䟝存させる `data.users.length < 100` ずいう刀定は、API仕様に䟝存しおいたす。可胜であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。 ### 5. `for` ずむンデックス参照を簡略化する `for...of`、`filter`、`map` などを䜿うず、凊理内容が読みやすくなりたす。 ## 改善䟋 ```ts const PAGE_SIZE = 100; interface ApiUser { id: string; first_name: string; last_name: string; email: string; status: string; } interface UsersPageResponse { users: ApiUser[]; // APIが返 
応答時間 13.6秒出力 1677 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 5

# SQLク゚リの問題点ず最適化 ## 🔎 重倧な問題バグ + パフォヌマンス䞡方に圱響 ### 1. Fan-outファンアりト問題 ← 最重芁 `order_details/orders` ず `reviews` を**同時に**JOINしおいるため、行が掛け算的に増加したす。 䟋商品Aに泚文3件、レビュヌ5件がある堎合 → JOIN埌は **3 × 5 = 15行** になり、`COUNT(order_id)` や `SUM(amount)` が実際の倀の5倍になっおしたいたす集蚈結果が壊れおいる。 これが最倧のコストず䞍正確性の原因です。 ### 2. LEFT JOINをWHERE句で無効化しおいる ```sql LEFT JOIN orders o ON ... WHERE ... AND o.created_at >= '2024-04-01' ``` LEFT JOINしおいるのに、WHEREで`o`の列に条件をかけるず、`o`がNULLの行泚文がない商品が陀倖され、**実質INNER JOINず同じ**になりたす。「泚文がない商品も衚瀺したい」ずいう意図なら、条件はON句に曞くべきです。 ### 3. むンデックス䞍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 トヌクン

GPT-5.6 Luna

䞻な問題は、単にむンデックス䞍足だけではありたせん。 1. `reviews` をそのたた JOIN しおいるため、泚文行ずレビュヌ行の組み合わせで行数が膚匵する 2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しおいるため、実質的に `INNER JOIN` になっおいる 3. 500䞇行を JOIN しおから `GROUP BY` しおいる 4. `order_details` に `product_id` のむンデックスがない 泚文集蚈ずレビュヌ集蚈を先に商品単䜍で集玄しおから JOIN するのが効果的です。 ## 改善埌のク゚リ 「泚文が存圚する商品だけを衚瀺する」ずいう、元のク゚リず同じ意味を維持する堎合です。 ```sql WITH order_agg AS ( SELECT od.product_id, COUNT(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 >= TIMESTAMP '2024-04-01' GROUP BY od.product_id ), review_agg

応答時間 16.3秒出力 2059 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 5ずGPT-5.6 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 5は¥1,680、GPT-5.6 Lunaは¥201.6で、GPT-5.6 Lunaの方が安くなりたすFastMetalの円建お単䟡・皎別。
Claude Sonnet 5ずGPT-5.6 Lunaのコンテキスト長の違いは
Claude Sonnet 5は1,000,000トヌクン、GPT-5.6 Lunaは1,050,000トヌクンです。
Claude Sonnet 5ずGPT-5.6 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 5が䞊ですClaude Sonnet 5 41䜍、GPT-5.6 Luna 60䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
Claude Sonnet 5ずGPT-5.6 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-5" たたは "gpt-5.6-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 5ずGPT-5.6 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 5をチャットで詊すGPT-5.6 Lunaをチャットで詊す

Claude Sonnet 5の他の比范

GPT-5.6 Lunaの他の比范