モデル比較

Gemini 3.7 Flash vs GPT-6 Astra

料金・コンテキスト長・実際の回答で比較(2026年9月時点)

Gemini 3.7 Flash(Google)とGPT-6 Astra(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

google logoGemini 3.7 Flashopenai logoGPT-6 Astra
提供元GoogleOpenAI
入力(100万トークンあたり)¥134.03¥1,717.72
出力(100万トークンあたり)¥670.13¥8,588.62
想定コスト(入力1,000・出力500トークン × 1,000回)¥469¥6,012
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2026/8/132026/9/4
入力モダリティtext, image, video, file, audiofile, image, text
アリーナ 総合#11 · ELO 1,491圏外
アリーナ 日本語圏外圏外
アリーナ コーディング#23 · ELO 1,522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Gemini 3.7 Flash。出力100万トークンあたり¥670.13で、GPT-6 Astraより92%安くなります。
  • 長い文書を扱うならGPT-6 Astra。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-6 Astra

`price` が文字列として返されている可能性があります。ただし、**提示されたエラーメッセージとコードには食い違いがあります**。 Python の標準の `str` と `int` は掛け算でき、数値計算ではなく文字列の繰り返しになります。 ```python "100" * 2 # "100100" ``` そのため、`price="100"`、`quantity=2` であれば、通常は掛け算ではなく、`sum()` が文字列を加算する段階で `int` と `str` の加算エラーになります。実際の値・型と、実行中のコードが提示内容と一致するか確認してください。 ### 1. 取得した値と型を確認する 開発環境で、計算の直前に次を入れて確認します。 ```python for order in orders: print( "price:", repr(order["price"]), type(order["price"]), "quantity:", repr(order["quantity"]), type(order["quantity"]), ) ``` ※ `orders` がイテレーターの場合、この確認で消費されるため、先に `orders = list(orders)` としてください。 ### 2. 数値に変換して計算する 金額には、浮動小数点の丸め誤差を避けるため `float` より `Decimal` が適しています。`price` が数値または数値文字列で、`quantity…
応答時間 13.8秒出力 793 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-6 Astra

元の関数は処理の流れがシンプルで、ページを順番に取得する実装として妥当です。特に改善したいのは、**型安全性・HTTPエラー処理・ループ内の可読性**です。 ## 主な改善点 ### 1. `any` を具体的な型に置き換える APIから受け取るユーザーと、整形後に返すユーザーでは構造が異なるため、別々の型を定義すると意図が明確になります。 ただし、TypeScriptの型指定だけでは実際のAPIレスポンスを検証できません。外部データの信頼性が低い場合は、Zodなどによる実行時検証も検討してください。 ### 2. HTTPエラーを明示的に処理する `fetch` は、404や500などのHTTPエラーでは通常rejectされません。`response.ok` を確認し、失敗したページなどを含むエラーを投げると原因を追いやすくなります。 ### 3. 配列の添字アクセスを減らす `for...of` と `continue` を使うと、`data.users[i]` の繰り返しやネストを減らせます。 `filter().map()` も読みやすい選択肢ですが、現状のように1回の走査で結果へ追加すれば、中間配列を作らずに済みます。 ### 4. ページングの条件を明確にする - `100` は定数化する。 - 開始ページは正の整数であることを検証する。 - 終了時に `break` すれば、`hasMore` の状態管理は不要になる。 ## 改善例 以下は、APIの `id` が数値で、レスポンスが `{ users: [...] }` であることを前提とした例…
応答時間 20.2秒出力 1308 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-6 Astra

ボトルネックはインデックス不足だけではありません。**注文明細とレビューの同時JOINによる行数の増幅**が、速度と集計値の両方に影響しています。 以下は、構文から **PostgreSQLを想定**した改善案です。実際の効果は、対象期間の注文数や実行計画で確認してください。 ## 1. 元のクエリの問題点 ### 注文数・売上がレビュー件数分だけ増える ある商品に注文明細が10件、レビューが5件あると、JOIN後には50行になります。 そのため、元のクエリでは次の問題が起こります。 - `COUNT(o.order_id)`:レビュー件数分だけ過大になる - `SUM(o.amount)`:レビュー件数分だけ過大になる - 集計・ソートする行数が膨らみ、処理が重くなる 商品単位なら `AVG(r.rating)` は均等な重複によって値が変わらない場合がありますが、同名商品をまとめる現状のGROUP BYでは、注文数による意図しない重み付けも起こり得ます。 ### `orders` のLEFT JOINは、実質的にINNER JOIN ```sql WHERE o.created_at >= '2024-04-01' ``` によって、注文がない行は除外されます。現在の対象商品を維持するなら、`INNER JOIN`として明示できます。 ### 商品名だけでGROUP BYしている ```sql GROUP BY p.product_name, c.category_name ``` では、同じ商品名・カテゴリ名を持つ別の商品が統合されます。**商品…
応答時間 37.1秒出力 2211 トークン

他のプロンプトでも比較する →

よくある質問

Gemini 3.7 FlashとGPT-6 Astra、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-6 Astraは¥8,588.62で、Gemini 3.7 Flashの方が安くなります(FastMetalの円建て単価・税別)。
Gemini 3.7 FlashとGPT-6 Astra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-6 Astraは1,050,000トークンです。
Gemini 3.7 FlashとGPT-6 Astra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-6-astra" 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 3.7 FlashとGPT-6 Astra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 3.7 Flashの他の比較

GPT-6 Astraの他の比較