Gemini 3.5 Flash vs GLM 5.2
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
Gemini 3.5 Flash（Google）とGLM 5.2（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
 Gemini 3.5 Flash |  GLM 5.2 | |
|---|---|---|
| 提供元 | Z.ai | |
| 入力（100万トークンあたり） | ¥268.05 | ¥250.18 |
| 出力（100万トークンあたり） | ¥1,608.3 | ¥786.28 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,072 | ¥643 |
| 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 | 2026/5/19 | 2026/6/16 |
| 入力モダリティ | text, image, video, file, audio | text |
| アリーナ 総合 | #18 · ELO 1,476 | #31 · ELO 1,469 |
| アリーナ 日本語 | #20 · ELO 1,456 | #13 · ELO 1,472 |
| アリーナ コーディング | #45 · ELO 1,507 | #46 · ELO 1,506 |
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 5.2。出力100万トークンあたり¥786.28で、Gemini 3.5 Flashより51%安くなります。
- 総合の評価はアリーナ順位でGemini 3.5 Flashが上です（18位。GLM 5.2は31位）。
- 日本語の評価はアリーナ順位でGLM 5.2が上です（13位。Gemini 3.5 Flashは20位）。
- コーディングの評価はアリーナ順位でGemini 3.5 Flashが上です（45位。GLM 5.2は46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 3.5 Flash
このエラーの原因は、データベースから取得した `price`（価格）または `quantity`（数量）のいずれか（あるいは両方）が、**数値（intやfloat）ではなく文字列（str）としてPython側に渡されているため**です。
Pythonでは、文字列型（`str`）と数値型（`int`）を直接掛け算しようとすると、この `TypeError` が発生します。
---
### 解決策
この問題を解決するには、主に3つのアプローチがあります。
#### 解決策1：Python側で型変換（キャスト）する（最も手軽な修正）
計算する直前に、Pythonの `float()` や `int()` を使って明示的に数値型に変換します。
**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)
# price を float に、quantity を int に変換して計算する
total = sum(float(order["price"]) * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total": total, "orders": orders}
```
> **💡 金額計算のベストプラク…
応答時間 27.0秒出力 3911 トークン
GLM 5.2
## エラーの原因
エラーメッセージ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型と整数型を掛け算（`*`）しようとしました」という意味です。
該当コードの `order["price"] * order["quantity"]` の部分において、データベースから取得した `price` または `quantity` のどちらか（あるいは両方）が数値ではなく**文字列（String）**として取得されていることが原因です。
これはよくある落とし穴で、以下のような理由で発生します。
1. データベースの該当カラム（`price` や `quantity`）が、数値型（INTやDECIMAL）ではなく、文字列型（VARCHARやTEXT）で定義されている。
2. データベースのカラムは数値型だが、使用しているデータベースドライバの仕様や設定により、Python側に文字列として渡されている。
## 修正方法
### 1. Pythonコード側で型変換を行う（一時的な対応）
Pythonコード側で明示的に数値型（`int` または `float`）に変換してから計算を行います。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
# priceを float、…
応答時間 23.4秒出力 2031 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 3.5 Flash
ご提示いただいたTypeScript関数は、ページネーションを用いて全ユーザーを再帰的に取得する実用的なコードです。
このコードをより良くするために、**「型安全性（TypeScriptの強み）」「エラーハンドリング」「可読性（モダンJS/TS構文）」「堅牢性」**の観点からレビューし、改善点を提案します。
---
### 主な改善点
#### 1. 型安全性 (TypeScript ベストプラクティス)
* **問題点**: `any[]` や暗黙の `any` が使われており、型安全性が失われています。
* **改善策**: APIのレスポンス型（`ApiUser`）と、この関数が返すユーザー型（`User`）を明示的に定義します。
#### 2. エラーハンドリング (堅牢性)
* **問題点**: `fetch` の失敗（ネットワークエラー）や、ステータスコードが 200 以外（404, 500など）の場合の考慮がありません。また、`response.json()` が失敗した際、アプリケーションがクラッシュする可能性があります。
* **改善策**: `try-catch` ブロックを追加し、`response.ok` をチェックします。
#### 3. 可読性の向上 (モダンなJavaScript/TypeScript)
* **問題点**: 昔ながらの `for` ループが使われており、コードが冗長です。また、文字列結合 `+ " "` が使われています。
* **改善策**:
* 配列の `filter` と `…
応答時間 19.2秒出力 2904 トークン
GLM 5.2
ご提示いただいたTypeScriptのコードは動作しますが、可読性・パフォーマンス・ベストプラクティスの観点からいくつか改善の余地があります。
以下に主な改善点と、それを反映した修正版のコードを提案します。
### 主な改善点
1. **型安全性の向上（ベストプラクティス）**
- 戻り値や配列の型が `any[]` になっています。TypeScriptの利点を活かすため、APIのレスポンスや返却するユーザーの型（Interface）を明示的に定義すべきです。
2. **エラーハンドリングの追加（ベストプラクティス・堅牢性）**
- `fetch` はHTTPエラー（4xx, 5xx）が発生しても例外をスローしません。`response.ok` をチェックし、エラー時には例外をスローする処理を追加すべきです。
3. **配列操作のモダン化（可読性・パフォーマンス）**
- `for` ループによるインデックスアクセスは冗長です。`filter` と `map` を組み合わせることで、何をしているのかが直感的にわかるようになります。
4. **変数のスコープと宣言（ベストプラクティス）**
- ループ内で値が変わらない `user` オブジェクトは `let` ではなく `const` で宣言すべきです。
- `currentPage = currentPage + 1` は `currentPage++` のように簡潔に記述できます。
5. **ハードコーディングの回避（可読性・保守性）**
- `100` というマジックナンバーが複数…
応答時間 10.4秒出力 2232 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 3.5 Flash
提供されたクエリが低速な理由は、**「インデックスの不足」**だけでなく、**「データ構造の掛け算（ファンアウト）による中間データの爆発」**および**「LEFT JOINの不適切なフィルタリング」**という致命的な構造的問題があるためです。
このクエリを最適化し、数秒〜ミリ秒単位まで高速化するための改善策と、修正版のSQLを提案します。
---
### 主な問題点
1. **ファンアウト（重複カウント）によるパフォーマンス低下とデータ不整合**
`order_details`（1対多）と `reviews`（1対多）を同時に `LEFT JOIN` してから `GROUP BY` しているため、1つの商品に対して「注文数 × レビュー数」の掛け算（デカルト積）が発生します。
* **性能への影響:** 500万行のデータに対してこれを行うと、中間メモリが破裂し極端に遅くなります。
* **データ整合性のバグ:** `SUM(o.amount)` や `COUNT(o.order_id)` の値が、レビューの件数分だけ倍増し、**不正確な集計値**になります。
2. **WHERE句による LEFT JOIN の無効化（インナージョイン化）**
`LEFT JOIN orders` としているにもかかわらず、`WHERE o.created_at >= '2024-04-01'` と指定しているため、注文がない商品（`o.created_at` が NULL になるもの）がすべて除外されてしまい、実質的に `INNER JOIN` になっていま…
応答時間 27.4秒出力 4048 トークン
GLM 5.2
500万行のテーブルに対して30秒かかる原因は、主に**インデックスの不足**と**結合によるファンアウト（直積）の発生**、そして**LEFT JOINとWHERE句の論理的矛盾**にあります。
以下に最適化したクエリと、推奨されるインデックス、そして改善点の解説を記載します。
### 最適化後のクエリ案
```sql
WITH ProductSales AS (
-- 注文データの事前集計
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM order_details od
JOIN orders o ON o.order_id = od.order_id
WHERE o.status = '完了'
AND o.created_at >= '2024-04-01'
GROUP BY od.product_id
),
ProductRatings AS (
-- レビューデータの事前集計
SELECT
product_id,
AVG(rating) AS avg_rating
FROM reviews
GROUP BY product_id
)
SELECT
p.product_name,
c.category_name,
COALESCE(ps.order_count, 0) AS order_count,
COALESCE(ps.tota…
応答時間 16.7秒出力 2525 トークン
よくある質問
- Gemini 3.5 FlashとGLM 5.2、料金はどちらが安いですか？
- 出力100万トークンあたりGemini 3.5 Flashは¥1,608.3、GLM 5.2は¥786.28で、GLM 5.2の方が安くなります（FastMetalの円建て単価・税別）。
- Gemini 3.5 FlashとGLM 5.2のコンテキスト長の違いは？
- Gemini 3.5 Flashは1,048,576トークン、GLM 5.2は1,048,576トークンです。
- Gemini 3.5 FlashとGLM 5.2、評価が高いのはどちらですか？
- 公開アリーナの順位ではGLM 5.2が上です（Gemini 3.5 Flash 20位、GLM 5.2 13位）。順位はリーダーボードの更新で変わります。
- Gemini 3.5 FlashとGLM 5.2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-3.5-flash" または "glm-5.2" 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チャージすれば、Gemini 3.5 FlashとGLM 5.2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。