DeepSeek V4 Pro 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8月時点）
DeepSeek V4 Pro（DeepSeek）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
 DeepSeek V4 Pro | LLM-jp-3.1 8x13B instruct4 | |
|---|---|---|
| 提供元 | DeepSeek | Llm Jp |
| 入力（100万トークンあたり） | ¥341.32 | ¥16 |
| 出力（100万トークンあたり） | ¥684.42 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥684 | ¥56 |
| コンテキスト長 | 1,048,576 トークン | 4,096 トークン |
| リリース日 | 2026/4/24 | 2026/3/21 |
| 入力モダリティ | text | text |
| アリーナ 総合 | #54 · ELO 1,458 | 圏外 |
| 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 | 圏外 |
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LLM-jp-3.1 8x13B instruct4。出力100万トークンあたり¥79で、DeepSeek V4 Proより88%安くなります。
- 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、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…
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
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…
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
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…
DeepSeek V4 Pro
**1. クエリの根本的な問題（集計の多重化）**
現在のクエリでは `order_details`（注文明細）と `reviews`（レビュー）を同時に `LEFT JOIN` しているため、1つの商品に複数の注文と複数のレビューが存在すると **行が掛け合わさり**、`SUM(o.amount)` や `COUNT(o.order_id)` が過大集計されます。
たとえば、ある商品の注文が2件、レビューが3件ある場合、結合後は 2×3=6行になり、売上合計が3倍に膨らみます。これは **誤った結果** です。
**2. クエリの書き換え**
注文とレビューを商品ごとに別々に集計し、あとで商品テーブルと結合します。
また、`WHERE o.created_at >= '2024-04-01'` は実質的に INNER JOIN と同じになるため、明示的に内部結合にします。
```sql
WITH product_orders AS (
SELECT od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM orders o
INNER JOIN order_details od ON od.order_id = o.order_id
WHERE o.status = '完了'
AND o.created_at >= '2024-04-01'
GROUP BY od.product_id…
応答時間 80.5秒出力 4569 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
- DeepSeek V4 Pro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DeepSeek V4 Proは¥684.42、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）。
- DeepSeek V4 ProとLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは？
- DeepSeek V4 Proは1,048,576トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
- DeepSeek V4 Pro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 "deepseek-v4-pro" 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チャージすれば、DeepSeek V4 Pro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。