FastMetal

モデル比范

DeepSeek V4 Pro vs Qwen3.7 Max

料金・コンテキスト長・実際の回答で比范2026幎10月時点

DeepSeek V4 ProDeepSeekずQwen3.7 MaxQwen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

deepseek logoDeepSeek V4 Proqwen logoQwen3.7 Max
提䟛元DeepSeekQwen
入力100䞇トヌクンあたり¥218.4Â¥420
出力100䞇トヌクンあたり¥436.8Â¥1,260
想定コスト入力1,000・出力500トヌクン × 1,000回¥437Â¥1,050
コンテキスト長1,048,576 トヌクン262,144 トヌクン
リリヌス日2026/4/242026/5/21
入力モダリティtexttext
生成速床 (p50)166 トヌクン/秒 (n=26)—
アリヌナ 総合#62 · ELO 1,458#36 · ELO 1,475
アリヌナ 日本語#34 · ELO 1,455圏倖
アリヌナ コヌディング#76 · ELO 1,500#28 · ELO 1,524

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DeepSeek V4 Pro。出力100䞇トヌクンあたり¥436.8で、Qwen3.7 Maxより65%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です36䜍。DeepSeek V4 Proは62䜍。
  • コヌディングの評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です28䜍。DeepSeek V4 Proは76䜍。
  • 長い文曞を扱うならDeepSeek V4 Pro。コンテキスト長は1,048,576トヌクンで、Qwen3.7 Maxの262,144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


DeepSeek V4 Pro

この゚ラヌは、`order["price"]` が文字列`str`で返されおいるにもかかわらず、敎数`int`の `order["quantity"]` ず乗算しようずしお発生しおいたす。 `db.query` の戻り倀ずしお、デヌタベヌスから取埗した `price` カラムの倀が数倀型ではなく文字列型になっおいるのが原因です。 **原因の特定** - デヌタベヌスの `price` カラムが `VARCHAR` などで定矩されおいるか、コネクタの蚭定で文字列ずしお返されおいる可胜性がありたす。 - Python 偎で `order["price"]` が `'1000'` のような文字列になっおおり、`int` ずの挔算ができない状態です。 **修正方法** `price` の倀を明瀺的に `float`たたは `Decimal`に倉換したす。 金額蚈算には粟床を考慮しお `decimal.Decimal` を䜿うこずをおすすめしたすが、簡易的には `float` でも構いたせん。 ### 修正䟋float を䜿甚 ```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 トヌクン

Qwen3.7 Max

### 結論゚ラヌの原因 この゚ラヌの原因は、**デヌタベヌスから取埗した `order["price"]`たたは `order["quantity"]`が数倀型`int` や `float`ではなく、文字列型`str`ずしお返っおきおいる**こずです。 Pythonでは本来 `"100" * 2` のような「文字列 × 敎数」の挔算は `"100100"` ずいう文字列の繰り返しずしお凊理されたすが、フレヌムワヌクやORMの内郚凊理、あるいは実際には `float` ず `str` の挔算であった堎合などに `TypeError` ずしお数孊的な乗算゚ラヌが送出されたす。 いずれにせよ、**「数倀蚈算をしたいのに、デヌタが文字列になっおいる」** こずが根本原因です。これは、デヌタベヌス偎の `price` カラムが `VARCHAR` や `TEXT` 型で定矩されおいる堎合によく起こりたす。 --- ### 修正方法 アプロヌチは3぀ありたす。状況に合わせお遞択しおください。 #### 1. Python偎で型倉換する即効性のある修正 コヌド䞊で明瀺的に数倀`float` たたは `int`にキャストしたす。䟡栌には小数が含たれる可胜性があるため、`float()` を䜿うのが安党です。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id

応答時間 59.2秒出力 3324 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


DeepSeek V4 Pro

この関数をレビュヌし、改善点を提案したす。 ## 䞻な問題点 ### 1. **型安党性の欠劂** `any`型の倚甚はTypeScriptの利点を損なっおいたす。 ### 2. **無限ルヌプのリスク** APIが垞に100件を返す堎合、無限ルヌプに陥りたす。 ### 3. **非効率なルヌプ凊理** `for`ルヌプよりも`filter`ず`map`の組み合わせが適切です。 ## 改善提案 ```typescript // 型定矩の远加 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; // 総ナヌザヌ数を返すAPIを想定 } async function fetchAllUsers( page: number = 1, maxPages: number = 100 // 安党察策ずしお最倧ペヌゞ数を蚭定 ): Promise<FormattedUser[]> { const allUsers: FormattedUser[] = []; let currentPage = page; let

応答時間 17.8秒出力 1002 トヌクン

Qwen3.7 Max

ご提瀺いただいたコヌドは、ペヌゞネヌションの凊理やデヌタの敎圢など、基本的なロゞックは正しく実装されおいたす。 しかし、**TypeScriptの型安党性、゚ラヌハンドリング、可読性、そしお倧芏暡デヌタ時のパフォヌマンスメモリ消費** の芳点から、いく぀か重芁な改善点がありたす。 以䞋にレビュヌ結果ず、改善埌のコヌドを提案したす。 --- ### 🔍 レビュヌポむント #### 1. 型安党性 (TypeScriptベストプラクティス) * **`any` の倚甚:** `Promise<any[]>` や `data` が `any` になっおいるため、TypeScriptの恩恵補完やコンパむル時の゚ラヌ怜知が埗られおいたせん。APIレスポンスず返华甚のむンタヌフェヌスを定矩すべきです。 * **プロパティアクセスの危険性:** `data.users` が存圚しないたたは `null` / `undefined`堎合にランタむム゚ラヌ`TypeError`が発生するリスクがありたす。 #### 2. ゚ラヌハンドリングず堅牢性 * **HTTPステヌタスコヌドの未確認:** `fetch` はネットワヌク゚ラヌオフラむン等以倖でぱラヌを投げたせん404や500でも成功ずみなされたす。`response.ok` のチェックが必須です。 * **無限ルヌプのリスク:** サヌバヌ偎のバグで垞に100件返华され続けた堎合、無限ルヌプに陥りたす。セヌフティネット最倧ペヌゞ数や総件数のチェックがあるず安心です。 #### 3. 可読性 *

応答時間 73.1秒出力 3915 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


DeepSeek V4 Pro

**1. ク゚リの根本的な問題集蚈の倚重化** 珟圚のク゚リでは `order_details`泚文明现ず `reviews`レビュヌを同時に `LEFT JOIN` しおいるため、1぀の商品に耇数の泚文ず耇数のレビュヌが存圚するず **行が掛け合わさり**、`SUM(o.amount)` や `COUNT(o.order_id)` が過倧集蚈されたす。 たずえば、ある商品の泚文が2件、レビュヌが3件ある堎合、結合埌は 2×3=6行になり、売䞊合蚈が3倍に膚らみたす。これは **誀った結果** です。 **2. ク゚リの曞き換え** 泚文ずレビュヌを商品ごずに別々に集蚈し、あずで商品テヌブルず結合したす。 たた、`WHERE o.created_at >= '2024-04-01'` は実質的に INNER JOIN ず同じになるため、明瀺的に内郚結合にしたす。 ```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 トヌクン

Qwen3.7 Max

提瀺されたSQLク゚リには、**パフォヌマンスを著しく䜎䞋させる構造的な問題盎積の発生**ず、**意図しないデヌタ抜出暗黙のINNER JOIN**、そしお**むンデックスの䞍足**ずいう3぀の重倧な問題がありたす。 以䞋に最適化されたク゚リず、必芁なむンデックス、そしお改善点の詳现な解説を提瀺したす。 --- ### 1. 最適化されたSQLク゚リ ```sql WITH SalesAgg AS ( -- 1. 泚文ず泚文詳现を先に集蚈し、商品IDごずの売䞊を䜜る 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 ) SELECT p.product_name, c.category_name, s.order_count, s.total_sales, -- 3. レビュヌの平均はLIMIT 50件に察しおのみ蚈算する盞関サブク゚リ (SELECT AVG(r.rating) FROM reviews r WHERE r.product_id = p.id) AS a

応答時間 81.9秒出力 4393 トヌクン

他のプロンプトでも比范する →

よくある質問

DeepSeek V4 ProずQwen3.7 Max、料金はどちらが安いですか
出力100䞇トヌクンあたりDeepSeek V4 Proは¥436.8、Qwen3.7 Maxは¥1,260で、DeepSeek V4 Proの方が安くなりたすFastMetalの円建お単䟡・皎別。
DeepSeek V4 ProずQwen3.7 Maxのコンテキスト長の違いは
DeepSeek V4 Proは1,048,576トヌクン、Qwen3.7 Maxは262,144トヌクンです。
DeepSeek V4 ProずQwen3.7 Max、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではDeepSeek V4 Proが䞊ですDeepSeek V4 Pro 34䜍、Qwen3.7 Max 36䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
DeepSeek V4 ProずQwen3.7 Max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 "deepseek-v4-pro" たたは "qwen3.7-max" 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、DeepSeek V4 ProずQwen3.7 Max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DeepSeek V4 Proをチャットで詊すQwen3.7 Maxをチャットで詊す

DeepSeek V4 Proの他の比范

Qwen3.7 Maxの他の比范