DeepSeek V4 Pro vs GLM 4.7
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
DeepSeek V4 Pro（DeepSeek）とGLM 4.7（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
 DeepSeek V4 Pro |  GLM 4.7 | |
|---|---|---|
| 提供元 | DeepSeek | Z.ai |
| 入力（100万トークンあたり） | ¥341.32 | ¥107.22 |
| 出力（100万トークンあたり） | ¥684.42 | ¥393.14 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥684 | ¥304 |
| コンテキスト長 | 1,048,576 トークン | 202,752 トークン |
| リリース日 | 2026/4/24 | 2025/12/22 |
| 入力モダリティ | text | text |
| アリーナ 総合 | #54 · ELO 1,458 | #79 · ELO 1,442 |
| アリーナ 日本語 | #22 · ELO 1,463 | 圏外 |
| アリーナ コーディング | #59 · ELO 1,502 | #87 · ELO 1,485 |
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 4.7。出力100万トークンあたり¥393.14で、DeepSeek V4 Proより43%安くなります。
- 総合の評価はアリーナ順位でDeepSeek V4 Proが上です（54位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でDeepSeek V4 Proが上です（59位。GLM 4.7は87位）。
- 長い文書を扱うならDeepSeek V4 Pro。コンテキスト長は1,048,576トークンで、GLM 4.7の202,752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…
DeepSeek V4 Pro
このエラーは、`order["price"]` が文字列（`str`）で返されているにもかかわらず、整数（`int`）の `order["quantity"]` と乗算しようとして発生しています。
`db.query` の戻り値として、データベースから取得した `price` カラムの値が数値型ではなく文字列型になっているのが原因です。
**原因の特定**
- データベースの `price` カラムが `VARCHAR` などで定義されているか、コネクタの設定で文字列として返されている可能性があります。
- Python 側で `order["price"]` が `'1000'` のような文字列になっており、`int` との演算ができない状態です。
**修正方法**
`price` の値を明示的に `float`（または `Decimal`）に変換します。
金額計算には精度を考慮して `decimal.Decimal` を使うことをおすすめしますが、簡易的には `float` でも構いません。
### 修正例（float を使用）
```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"]) * order["quantity"] for order in orders)
retu…
応答時間 10.2秒出力 732 トークン
GLM 4.7
### 原因
このエラーは、データベースから取得した値のデータ型が原因です。
`order["price"]`（または `order["quantity"]`）が**文字列 (`str`)** 型として返ってきているのに、コード内で数値計算（掛け算）をしようとしているため発生しています。
Pythonでは、文字列と整数を直接掛け合わせることはできません（数値への変換が必要です）。
多くのデータベースライブラリ（特に標準的なもの）は、カラムの型に関係なく、結果をデフォルトで文字列として返すことがあります。
### 修正方法
計算を行う前に、文字列を数値型（`float` または `int`）に明示的に変換（キャスト）する必要があります。
通常、価格は小数点を含むことが多いため `float`、数量は `int` で変換します。
#### 修正後のコード
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
# 文字列を数値に変換してから計算します
total = sum(float(order["price"]) * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total": total, "orders": orders}…
応答時間 101.4秒出力 1460 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…
DeepSeek V4 Pro
この関数をレビューし、改善点を提案します。
## 主な問題点
### 1. **型安全性の欠如**
`any`型の多用はTypeScriptの利点を損なっています。
### 2. **無限ループのリスク**
APIが常に100件を返す場合、無限ループに陥ります。
### 3. **非効率なループ処理**
`for`ループよりも`filter`と`map`の組み合わせが適切です。
## 改善提案
```typescript
// 型定義の追加
interface ApiUser {
id: string;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface FormattedUser {
id: string;
name: string;
email: string;
}
interface ApiResponse {
users: ApiUser[];
total?: number; // 総ユーザー数を返すAPIを想定
}
async function fetchAllUsers(
page: number = 1,
maxPages: number = 100 // 安全対策として最大ページ数を設定
): Promise<FormattedUser[]> {
const allUsers: FormattedUser[] = [];
let currentPage = page;
let…
応答時間 17.8秒出力 1002 トークン
GLM 4.7
ご提示いただいたTypeScript関数をレビューしました。
動作はしますが、型安全性、エラーハンドリング、可読性の観点でいくつか改善できる点があります。
以下に主要な改善点を挙げ、最後にリファクタリング後のコードを提示します。
### 主な改善点
#### 1. 型安全性の向上 (`any` の排除)
現在、戻り値の型が `Promise<any[]>` となっており、関数の利用者は戻り値の構造（`id`, `name`, `email`）を型情報として得られません。また、`data` も `any` として扱われています。
* **改善:** APIのレスポンス型と、返却するユーザー型を `interface` で定義します。
#### 2. エラーハンドリングの強化
`fetch` はネットワークエラー以外（404, 500など）では例外を投げず、レスポンスを返します。また、`response.json()` のパースに失敗した場合の考慮もありません。
* **改善:** `response.ok` をチェックし、HTTPエラーの場合は例外を投げるようにします。また、`try-catch` で通信エラーを捕捉します。
#### 3. 可読性とモダンなJS/TS構文の使用
* **文字列結合:** `"first_name" + " " + "last_name"` は、テンプレートリテラル `` `${first_name} ${last_name}` `` の方が簡潔で読みやすいです。
* **ループ処理:** `for` ループ内で `if`…
応答時間 89.4秒出力 3915 トークン
ビジネスメール作成
取引先の田中部長に、納品予定の製品に不具合が見つかり、納期を1週間延期する必要がある旨を伝えるビジネスメールを作成してください。 条件： - 原因は品質検査で軽微な不具合が発見されたため - 代替案として暫定版を先に納品することも可能 - 改めてお詫びの訪問をしたい - 日本のビジネスマナーに沿った丁寧な文面にすること
DeepSeek V4 Pro
以下、田中部長宛のビジネスメールの文例です。状況に合わせて【 】内を適宜書き換えてご利用ください。
---
**件名：** 【製品名】の納期延期のお詫びとご連絡（株式会社△△ 山田）
株式会社○○
田中部長殿
拝啓 貴社ますますご清栄のこととお慶び申し上げます。
平素より格別のご高配を賜り、厚く御礼申し上げます。
さて、このたび【○月○日】に納品を予定しておりました【製品名】について、最終の品質検査を実施したところ、軽微ではございますが製品に不具合が認められました。
つきましては、誠に申し訳ございませんが、原因の特定と改修・再検証のため、納期を当初より**1週間延期**させていただきたく存じます。
（修正後の納品予定日：【○月○日】）
なお、ご迷惑をおかけする中で恐縮ではございますが、ご入用の際には、応急的な対応として**暫定版を先に納品**することも可能でございます。
ご希望の可否やご都合につきまして、ご指示いただけますと幸いです。
本件につきましては、追ってあらためましてお詫びのご訪問をさせていただきたく存じます。
ご多用のところ誠に恐れ入りますが、田中部長のご都合のよろしい日時を頂戴できればと存じます。
多大なるご不便とご心配をおかけいたしますこと、重ねて深くお詫び申し上げます。
何卒ご理解を賜りますようお願い申し上げます。
敬具
━━━━━━━━━━━━━
株式会社△△
営業部 山田 太郎
〒000-0000 東京都…
TEL：00-0000-0000
Mail：yamada@△△.co.jp
━━━…
応答時間 29.4秒出力 1396 トークン
GLM 4.7
ご提示いただいた条件に基づき、田中部長へのビジネスメールを作成しました。
状況に合わせて、[ ] の部分を書き換えてご使用ください。
***
**件名：【重要】製品「[製品名]」の納期遅延に関するお詫びとお願い**
**本文：**
[取引先会社名]
田中 部長
いつも大変お世話になっております。
[自社名]の[あなたの名前]です。
さて、このたび納品を予定しておりました製品「[製品名]」につきまして、誠に恐縮ながら納期を延期させていただきたくご連絡いたしました。
事情としましては、出荷前の最終品質検査において、軽微な不具合が発見されたためです。
弊社といたしましては、お客様に安心してご使用いただけるよう、品質の完璧を期すべきと判断し、現在修正作業を行っております。
つきましては、誠に勝手ながら、当初の納期より1週間遅れ、**[新しい納期日]** に納品させていただきたく存じます。
田中部長におかれましては、急な計画変更となり多大なるご迷惑とご心配をおかけしますことを、深くお詫び申し上げます。
なお、もしご予定の都合上、どうしても当初の納期に製品が必要でございましたら、不具合箇所を回避して使用いただける「暫定版」を先に納品することも可能でございます。お急ぎの場合は、暫定版にて先行手配させていただきますので、ご検討いただけますでしょうか。
この度は、信頼に応えることができず誠に申し訳ございません。
後日、改めて直接お詫びに伺いたいと考えております。翌週以降で、田中部長のご都合いかがでしょうか。
急なご連絡となり恐縮ではございますが、ご確認のほど何卒よろしくお…
応答時間 67.5秒出力 1930 トークン
よくある質問
- DeepSeek V4 ProとGLM 4.7、料金はどちらが安いですか？
- 出力100万トークンあたりDeepSeek V4 Proは¥684.42、GLM 4.7は¥393.14で、GLM 4.7の方が安くなります（FastMetalの円建て単価・税別）。
- DeepSeek V4 ProとGLM 4.7のコンテキスト長の違いは？
- DeepSeek V4 Proは1,048,576トークン、GLM 4.7は202,752トークンです。
- DeepSeek V4 ProとGLM 4.7、評価が高いのはどちらですか？
- 公開アリーナの順位ではDeepSeek V4 Proが上です（DeepSeek V4 Pro 22位、GLM 4.7 79位）。順位はリーダーボードの更新で変わります。
- DeepSeek V4 ProとGLM 4.7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 "deepseek-v4-pro" または "glm-4.7" 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、DeepSeek V4 ProとGLM 4.7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。