Claude Sonnet 5 vs GPT-5.6 Luna
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GPT-5.6 Luna（OpenAI）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 |  GPT-5.6 Luna | |
|---|---|---|
| 提供元 | Anthropic | OpenAI |
| 入力（100万トークンあたり） | ¥357.4 | ¥35.74 |
| 出力（100万トークンあたり） | ¥1,787 | ¥214.44 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,251 | ¥143 |
| コンテキスト長 | 1,000,000 トークン | 1,050,000 トークン |
| リリース日 | 2026/6/30 | 2026/7/9 |
| 入力モダリティ | text, image, file | file, image, text |
| アリーナ 総合 | #47 · ELO 1,461 | #63 · ELO 1,452 |
| アリーナ 日本語 | #33 · ELO 1,447 | #36 · ELO 1,444 |
| アリーナ コーディング | #22 · ELO 1,522 | #69 · ELO 1,496 |
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GPT-5.6 Luna。出力100万トークンあたり¥214.44で、Claude Sonnet 5より88%安くなります。
- 総合の評価はアリーナ順位でClaude Sonnet 5が上です（47位。GPT-5.6 Lunaは63位）。
- 日本語の評価はアリーナ順位でClaude Sonnet 5が上です（33位。GPT-5.6 Lunaは36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（22位。GPT-5.6 Lunaは69位）。
- 長い文書を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000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
GPT-5.6 Luna
原因は、`order["price"]` が文字列（`str`）として取得されているのに、`order["quantity"]` は整数（`int`）であるためです。
```python
"1000" * 2
```
は数値の乗算ではなく、文字列の繰り返しとして扱われるため、`str` と `int` の乗算でエラーになります。
## 修正例：Python側で型変換する
金額を扱うため、`float` ではなく `Decimal` を使うのが安全です。
```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` に変換して正確に計算できます。
## SQL側で数値型に変…
応答時間 6.7秒出力 775 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
GPT-5.6 Luna
以下の点を改善できます。
## 主な改善点
### 1. `any` を避ける
`any` だとプロパティ名の誤りやレスポンス形式の変更を検知できません。APIレスポンスと戻り値に型を定義すると可読性と安全性が向上します。
### 2. HTTPエラーを確認する
`fetch` は、404や500でも例外を投げずに `Response` を返します。`response.ok` を確認する必要があります。
### 3. マジックナンバーを定数化する
`100` はページサイズを表しているため、定数にすると意図が明確になります。
### 4. ページング条件をAPIのメタデータに依存させる
`data.users.length < 100` という判定は、API仕様に依存しています。可能であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。
### 5. `for` とインデックス参照を簡略化する
`for...of`、`filter`、`map` などを使うと、処理内容が読みやすくなります。
## 改善例
```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
GPT-5.6 Luna
主な問題は、単にインデックス不足だけではありません。
1. `reviews` をそのまま JOIN しているため、注文行とレビュー行の組み合わせで行数が膨張する
2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しているため、実質的に `INNER JOIN` になっている
3. 500万行を JOIN してから `GROUP BY` している
4. `order_details` に `product_id` のインデックスがない
注文集計とレビュー集計を先に商品単位で集約してから JOIN するのが効果的です。
## 改善後のクエリ
「注文が存在する商品だけを表示する」という、元のクエリと同じ意味を維持する場合です。
```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 トークン
よくある質問
- Claude Sonnet 5とGPT-5.6 Luna、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、GPT-5.6 Lunaは¥214.44で、GPT-5.6 Lunaの方が安くなります（FastMetalの円建て単価・税別）。
- Claude Sonnet 5とGPT-5.6 Lunaのコンテキスト長の違いは？
- Claude Sonnet 5は1,000,000トークン、GPT-5.6 Lunaは1,050,000トークンです。
- Claude Sonnet 5とGPT-5.6 Luna、評価が高いのはどちらですか？
- 公開アリーナの順位ではClaude Sonnet 5が上です（Claude Sonnet 5 33位、GPT-5.6 Luna 36位）。順位はリーダーボードの更新で変わります。
- Claude Sonnet 5とGPT-5.6 Luna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 "gpt-5.6-luna" 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GPT-5.6 Luna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。