Gemini 3.1 Pro Preview vs Muse Spark 1.2
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Muse Spark 1.2（Meta）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 |  Muse Spark 1.2 | |
|---|---|---|
| 提供元 | Meta | |
| 入力（100万トークンあたり） | ¥357.4 | ¥219.9 |
| 出力（100万トークンあたり） | ¥2,144.4 | ¥747.65 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,430 | ¥594 |
| コンテキスト長 | 1,048,576 トークン | 1,048,576 トークン |
| リリース日 | 2026/2/19 | 2026/8/5 |
| 入力モダリティ | audio, file, image, text, video | text, image, video, file, audio |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #15 · ELO 1,487 | #4 · ELO 1,500 |
| 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 | #9 · ELO 1,536 |
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Muse Spark 1.2。出力100万トークンあたり¥747.65で、Gemini 3.1 Pro Previewより65%安くなります。
- 総合の評価はアリーナ順位でMuse Spark 1.2が上です（4位。Gemini 3.1 Pro Previewは15位）。
- コーディングの評価はアリーナ順位でMuse Spark 1.2が上です（9位。Gemini 3.1 Pro Previewは28位）。
- 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
Muse Spark 1.2
このエラーの原因は `DBから取得した price が文字列型(str)になっている`ためです。
### 1. 原因
```
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
は `文字列 * 数値` の掛け算ができないというエラーです。
`quantity` は `int` なのに対し、`price` が `'1500'` のような `str` になっています。
DBの `price` カラムが `VARCHAR / TEXT` 型になっているか、MySQLなどで `DECIMAL` 型を使っていてDBドライバが文字列として返しているのが原因でよく発生します。
### 2. 修正方法
計算する前に `price` を数値型に変換する必要があります。金額の計算なので `float` ではなく `Decimal` を使うのが推奨です。
#### 修正例1: シンプルな修正
```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)
retur…
応答時間 14.4秒出力 1292 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
Muse Spark 1.2
この関数は動作しますが、保守性と堅牢性に大きな改善余地があります。
### 1.主な問題点まとめ
| 観点 | 問題点 |
| :--- | :--- |
| **可読性** | `any`の乱用で型の恩恵がゼロ。マジックナンバー`100`が散在。`for(let i=0...)`や`first_name + " " +`は現代的でない。`fetchAllUsers(page)`という引数が紛らわしい。 |
| **パフォーマンス** | 致命的な遅延はないが、`push`をループ内で一行ずつ行うより`filter + map`の方が最適化され可読。全体を配列に溜め込むためユーザー数が10万人規模だとメモリを圧迫。 |
| **ベストプラクティス** | エラーハンドリングが皆無。`response.ok`をチェックしていないため500エラーでも`response.json()`で例外。無限ループのリスク。`limit`の重複、API仕様変更に弱い。`fetch`が失敗した時にリトライも中断もできない。 |
### 2. 具体的な改善提案
#### A. 可読性
**1. `any`を廃止し、型を定義する**
これが最重要です。`any`を使うとTypeScriptを使う意味がありません。
**2. マジックナンバーとロジックの分離**
`100`は定数 `PAGE_LIMIT` に切り出す。ユーザーの変換処理は別関数 `toUser` に分離し単一責任にする。
**3. モダンな構文に置換**
`for(let i=0; ...)` -> `for...of`…
応答時間 23.1秒出力 2403 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
Muse Spark 1.2
このクエリが遅い原因は `インデックス不足`以前に `JOINによる行数の爆発`と `LEFT JOINが無効化されている`という論理的な欠陥にあります。
### 1. なぜ30秒以上かかるのか？ 3つの致命的な問題
#### 問題1: `WHERE`句で `LEFT JOIN`が `INNER JOIN`化している
```sql
LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了'
WHERE o.created_at >= '2024-04-01' -- ここが問題
```
`o.created_at` は `orders`が存在しない`NULL`の行では `NULL`になります。`WHERE NULL >= '2024-04-01'`はFalseなので、売上が0件の商品が全て除外されます。
`LEFT JOIN`にした意味がなくなり、オプティマイザが最適な実行計画を選べなくなります。
> 意図が「売上が0件の商品も表示したい」なら `WHERE`ではなく `ON`句に書くべきです。
> 意図が「2024/4/1以降に売れた商品だけ」なら `INNER JOIN`と明示すべきです。
#### 問題2: 行の掛け算による集計結果の誤りと爆発【最大の原因】
500万行のテーブルで一番重いのがこれです。
`1つの商品`に対して `注文10件` と `レビュー10件` があった場合、
`order_details/orders` × `reviews` を同時にJOINすると `10 × 10…
応答時間 25.9秒出力 2653 トークン
よくある質問
- Gemini 3.1 Pro PreviewとMuse Spark 1.2、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、Muse Spark 1.2は¥747.65で、Muse Spark 1.2の方が安くなります（FastMetalの円建て単価・税別）。
- Gemini 3.1 Pro PreviewとMuse Spark 1.2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、Muse Spark 1.2は1,048,576トークンです。
- Gemini 3.1 Pro PreviewとMuse Spark 1.2、評価が高いのはどちらですか？
- 公開アリーナの順位ではMuse Spark 1.2が上です（Gemini 3.1 Pro Preview 9位、Muse Spark 1.2 4位）。順位はリーダーボードの更新で変わります。
- Gemini 3.1 Pro PreviewとMuse Spark 1.2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 "muse-spark-1.2" 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Muse Spark 1.2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。