Gemini 3.7 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 3.7 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 3.7 Flash |  GPT-5.6 Luna | |
|---|---|---|
| 提供元 | OpenAI | |
| 入力（100万トークンあたり） | ¥134.03 | ¥35.74 |
| 出力（100万トークンあたり） | ¥670.13 | ¥214.44 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥469 | ¥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 | 2026/8/13 | 2026/7/9 |
| 入力モダリティ | text, image, video, file, audio | file, image, text |
| アリーナ 総合 | #9 · ELO 1,490 | #63 · ELO 1,452 |
| アリーナ 日本語 | 圏外 | #36 · ELO 1,444 |
| アリーナ コーディング | #24 · ELO 1,521 | #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 3.7 Flashより68%安くなります。
- 総合の評価はアリーナ順位でGemini 3.7 Flashが上です（9位。GPT-5.6 Lunaは63位）。
- コーディングの評価はアリーナ順位でGemini 3.7 Flashが上です（24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 3.7 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 3.7 Flash
発生しているエラーの原因と修正方法は以下の通りです。
---
### 原因
データベースから取得した `order["price"]` の値が **文字列型 (`str`)** になっているためです。
Pythonでは文字列型と数値型の掛け算（数値計算）ができないため、`TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生しています。
---
### 修正方法
用途（通貨の扱い）に応じて以下のいずれかの方法で修正します。
#### パターン1: `Decimal` を使う（推奨：金額計算で丸め誤差を防ぐ場合）
金融やECの金額計算では、浮動小数点数の誤差を避けるため `decimal.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)
# price を Decimal に、quantity を int に変換して計算
total = sum(Decimal(str(order["price"])) * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total":…
応答時間 8.4秒出力 1039 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 3.7 Flash
ご提示いただいたコードは意図が明確でわかりやすいですが、**型安全性**、**エラーハンドリング**、**モダンな構文（可読性）**、**大規模データ時のパフォーマンス**の観点からいくつかの改善余地があります。
---
### 主な改善ポイント
1. **型安全性の向上（`any` の排除）**
- APIレスポンスの型（`ApiUser`, `ApiResponse`）と、関数が返す型（`User`）を明示的に定義します。
2. **エラーハンドリングの追加**
- `fetch` は HTTP 4xx/5xx エラーでも例外を投げないため、`response.ok` の確認が必要です。
3. **可読性とモダンな記法の導入**
- マジックナンバー `100` を定数化。
- 昔ながらの `for` ループを `filter` + `map`、あるいは `for...of` に置き換え。
- 文字列結合をテンプレートリテラルに変更。
- `hasMore` フラグ変数を減らし、ループ制御をシンプルに。
4. **URLパラメータの安全な構築**
- `URLSearchParams` を使用することで、クエリパラメータの構築が安全かつ保守しやすくなります。
---
### 改善後のコード
```typescript
// 1. 型定義
interface ApiUser {
id: string;
first_name: string;
last_name: string;
email: string;…
応答時間 10.5秒出力 1571 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 3.7 Flash
このクエリが遅い（および**集計結果が誤っている**）主な原因は、**「結合による行の爆発（デカルト積）」**と**「適切なインデックスの不足」**です。
---
### 主な問題点
1. **集計の不整合と中間データの爆発（最大のボトルネック）**
- 1つの商品に対して「注文（`order_details`）」と「レビュー（`reviews`）」を同時に結合しているため、**行数が「注文数 × レビュー数」に膨れ上がります**。
- 例: 注文100件、レビュー10件の商品がある場合、中間行は1,000行になり、`SUM(o.amount)` は正しい売上の10倍に計算されてしまいます。また、500万行規模では数千万〜数億行の中間テーブルがメモリ上に生成され、劇的に遅くなります。
2. **LEFT JOIN が INNER JOIN 化している**
- `WHERE o.created_at >= '2024-04-01'` により、売上がない商品（`o.created_at` が NULL の行）は除外されます。
3. **インデックスの欠如**
- 結合キー（`product_id`, `category_id`）や絞り込み条件（`is_active`, `status`, `created_at`）にインデックスがないため、全テーブルでフルスキャンが発生しています。
---
### 最適化されたSQL
注文データとレビューデータを**事前にサブクエリ（CTE）で商品ごとに集計**してから結合します。これにより、行の爆発を防ぎ、計算…
応答時間 13.4秒出力 1924 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 3.7 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 3.7 Flashは¥670.13、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 3.7 FlashとGPT-5.6 Lunaのコンテキスト長の違いは？
- Gemini 3.7 Flashは1,048,576トークン、GPT-5.6 Lunaは1,050,000トークンです。
- Gemini 3.7 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 3.7 Flashが上です（Gemini 3.7 Flash 9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 3.7 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-3.7-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 3.7 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。