Gemini 3.5 Flash vs GPT-5.6 Luna
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GPT-5.6 Luna（OpenAI）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 |  GPT-5.6 Luna | |
|---|---|---|
| 提供元 | OpenAI | |
| 入力（100万トークンあたり） | ¥268.05 | ¥35.74 |
| 出力（100万トークンあたり） | ¥1,608.3 | ¥214.44 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,072 | ¥143 |
| コンテキスト長 | 1,048,576 トークン | 1,050,000 トークン |
| リリース日 | 2026/5/19 | 2026/7/9 |
| 入力モダリティ | text, image, video, file, audio | file, image, text |
| アリーナ 総合 | #21 · ELO 1,479 | #63 · ELO 1,452 |
| アリーナ 日本語 | #17 · ELO 1,479 | #36 · ELO 1,444 |
| アリーナ コーディング | #51 · ELO 1,508 | #69 · ELO 1,496 |
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GPT-5.6 Luna。出力100万トークンあたり¥214.44で、Gemini 3.5 Flashより87%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（21位。GPT-5.6 Lunaは63位）。
- 日本語の評価はアリーナ順位でGemini 3.5 Flashが上です（17位。GPT-5.6 Lunaは36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（51位。GPT-5.6 Lunaは69位）。
- 長い文書を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トークンで、Gemini 3.5 Flashの1,048,576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 3.5 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
GPT-5.6 Luna
原因は、`order["price"]` が文字列（`str`）として取得されているのに、`order["quantity"]` は整数（`int`）であるためです。
```python
"1000" * 2
```
は数値の乗算ではなく、文字列の繰り返しとして扱われるため、`str` と `int` の乗算でエラーになります。
## 修正例：Python側で型変換する
金額を扱うため、`float` ではなく `Decimal` を使うのが安全です。
```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
)
return {
"user_id": user_id,
"total": total,
"orders": orders,
}
```
`price` が `"12.50"` のような文字列でも、`Decimal` に変換して正確に計算できます。
## SQL側で数値型に変…
応答時間 6.7秒出力 775 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
GPT-5.6 Luna
以下の点を改善できます。
## 主な改善点
### 1. `any` を避ける
`any` だとプロパティ名の誤りやレスポンス形式の変更を検知できません。APIレスポンスと戻り値に型を定義すると可読性と安全性が向上します。
### 2. HTTPエラーを確認する
`fetch` は、404や500でも例外を投げずに `Response` を返します。`response.ok` を確認する必要があります。
### 3. マジックナンバーを定数化する
`100` はページサイズを表しているため、定数にすると意図が明確になります。
### 4. ページング条件をAPIのメタデータに依存させる
`data.users.length < 100` という判定は、API仕様に依存しています。可能であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。
### 5. `for` とインデックス参照を簡略化する
`for...of`、`filter`、`map` などを使うと、処理内容が読みやすくなります。
## 改善例
```ts
const PAGE_SIZE = 100;
interface ApiUser {
id: string;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersPageResponse {
users: ApiUser[];
// APIが返…
応答時間 13.6秒出力 1677 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
GPT-5.6 Luna
主な問題は、単にインデックス不足だけではありません。
1. `reviews` をそのまま JOIN しているため、注文行とレビュー行の組み合わせで行数が膨張する
2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しているため、実質的に `INNER JOIN` になっている
3. 500万行を JOIN してから `GROUP BY` している
4. `order_details` に `product_id` のインデックスがない
注文集計とレビュー集計を先に商品単位で集約してから JOIN するのが効果的です。
## 改善後のクエリ
「注文が存在する商品だけを表示する」という、元のクエリと同じ意味を維持する場合です。
```sql
WITH order_agg AS (
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM order_details od
INNER JOIN orders o
ON o.order_id = od.order_id
WHERE o.status = '完了'
AND o.created_at >= TIMESTAMP '2024-04-01'
GROUP BY od.product_id
),
review_agg…
応答時間 16.3秒出力 2059 トークン
よくある質問
- Gemini 3.5 FlashとGPT-5.6 Luna、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、GPT-5.6 Lunaは¥214.44で、GPT-5.6 Lunaの方が安くなります（FastMetalの円建て単価・税別）。
- Gemini 3.5 FlashとGPT-5.6 Lunaのコンテキスト長の違いは？
- Gemini 3.5 Flashは1,048,576トークン、GPT-5.6 Lunaは1,050,000トークンです。
- Gemini 3.5 FlashとGPT-5.6 Luna、評価が高いのはどちらですか？
- 公開アリーナの順位ではGemini 3.5 Flashが上です（Gemini 3.5 Flash 17位、GPT-5.6 Luna 36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GPT-5.6 Luna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 "gpt-5.6-luna" 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GPT-5.6 Luna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。