Gemini 3.1 Pro Preview 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9月時点）
Gemini 3.1 Pro Preview（Google）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
 Gemini 3.1 Pro Preview | LLM-jp-3.1 8x13B instruct4 | |
|---|---|---|
| 提供元 | LLM-jp | |
| 入力（100万トークンあたり） | ¥357.4 | ¥16 |
| 出力（100万トークンあたり） | ¥2,144.4 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,430 | ¥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 | 2026/2/19 | 2026/3/21 |
| 入力モダリティ | audio, file, image, text, video | text |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #15 · ELO 1,487 | 圏外 |
| アリーナ 日本語 | #9 · ELO 1,494 | 圏外 |
| アリーナ コーディング | #28 · ELO 1,520 | 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、Gemini 3.1 Pro Previewより96%安くなります。
- 長い文書を扱うならGemini 3.1 Pro Preview。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…
Gemini 3.1 Pro Preview
このエラーの**原因**と**修正方法**について解説します。
### 1. 原因：取得したデータが「文字列（str）」になっている
エラーメッセージの `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、**「文字列（`str`）と数値（`int`）で掛け算などの算術演算を行おうとした」**ということを意味しています。
データベース（MySQLやSQLiteなど）からデータを取得した際、`price`（価格）や `quantity`（数量）のカラムが数値型ではなく、**文字列としてPythonに渡されている**ことが根本的な原因です。
※Pythonでは文字列と整数の掛け算（例: `"100" * 2`）を行うと `"100100"` という文字列の繰り返しになり、その後 `sum()` で合算しようとした際に型エラーを引き起こします。
### 2. 修正方法：数値型（int や float）に変換する
計算を行う前に、取得したデータを正しい数値型に変換（キャスト）してあげる必要があります。
- `price`（価格）は小数が含まれる可能性があるため `float`
- `quantity`（数量）は整数のため `int`
#### 修正例 1（最もシンプルな修正）
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id…
応答時間 31.5秒出力 3663 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…
Gemini 3.1 Pro Preview
ご提示いただいたTypeScript関数は、ページネーションされたAPIからデータを取得し、フィルタリングと整形を行うという基本的な要件を満たしていますが、**型安全性の欠如、エラーハンドリングの漏れ、モダンなJavaScript/TypeScriptの記法を活用しきれていない点**など、いくつかの改善の余地があります。
「ベストプラクティス」「可読性」「パフォーマンス」の3つの観点からレビューと改善案を提案します。
---
### 1. ベストプラクティス（TypeScript・堅牢性）の改善
* **`any` の排除:**
戻り値や変数に `any[]` が使われており、TypeScriptの最大のメリットである型安全性が失われています。APIからのレスポンス型と、整形後のユーザー型を `interface` または `type` で定義するべきです。
* **エラーハンドリングの追加:**
ネットワークエラーや、サーバーからのエラーレスポンス（500や404など）が発生した場合、現在のコードではアプリケーションがクラッシュするか、予期せぬ動作をします。`try...catch` と `response.ok` のチェックが必要です。
* **マジックナンバーの排除:**
`100` という制限値がURLと判定条件の2箇所にハードコードされています。定数として切り出すことで、仕様変更時のバグを防ぎます。
### 2. 可読性の改善
* **モダンな配列操作メソッドの利用:**
伝統的な `for` ループと `dat…
応答時間 23.0秒出力 2782 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…
Gemini 3.1 Pro Preview
500万行規模のテーブルで30秒以上かかる場合、**「インデックスの不足」**だけでなく、SQLの構造そのものによる**「行数の爆発（直積/Fan-out）」**と**「誤ったJOINの解釈」**が大きな原因となっています。
特に元のクエリは、パフォーマンスが悪いだけでなく、**集計結果（売上やレビューの平均）が間違った数値になるバグ**を抱えています。
以下に最適化したクエリと、その改善点（インデックス追加含む）を解説します。
---
### 1. 最適化したSQLクエリ
集計処理をサブクエリ（CTE）に分割し、結合前に行数を圧縮するアプローチに変更します。
```sql
WITH target_orders AS (
-- ① 必要な注文データだけを先に絞り込む
SELECT order_id
FROM orders
WHERE status = '完了'
AND created_at >= '2024-04-01'
),
product_sales AS (
-- ② 商品ごとの売上・注文数を集計する
SELECT
od.product_id,
COUNT(DISTINCT od.order_id) AS order_count,
-- ※もしamountがorder_detailsにあるなら SUM(od.amount) とするべきです
SUM(o.amount) AS total_sales
FROM order_details od
INNER JOIN orders o ON o.…
応答時間 33.1秒出力 4040 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
- Gemini 3.1 Pro Preview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Gemini 3.1 Pro Previewは¥2,144.4、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）。
- Gemini 3.1 Pro PreviewとLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは？
- Gemini 3.1 Pro Previewは1,048,576トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
- Gemini 3.1 Pro Preview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 "gemini-3.1-pro-preview" 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追加すれば、Gemini 3.1 Pro Preview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。
Gemini 3.1 Pro Previewの他の比較
LLM-jp-3.1 8x13B instruct4の他の比較
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Sonnet 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5.1
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 4.8
- LLM-jp-3.1 8x13B instruct4 vs Claude Haiku 4.5
- LLM-jp-3.1 8x13B instruct4の詳細を見る