Gemini 3.7 Flash vs LLM-jp-3.1 8x13B instruct4
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LLM-jp-3.1 8x13B instruct4（Llm Jp）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 | LLM-jp-3.1 8x13B instruct4 | |
|---|---|---|
| 提供元 | Llm Jp | |
| 入力（100万トークンあたり） | ¥134.03 | ¥16 |
| 出力（100万トークンあたり） | ¥670.13 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥469 | ¥56 |
| コンテキスト長 | 1,048,576 トークン | 4,096 トークン |
| リリース日 | 2026/8/13 | 2026/3/21 |
| 入力モダリティ | text, image, video, file, audio | text |
| アリーナ 総合 | #9 · ELO 1,490 | 圏外 |
| アリーナ 日本語 | 圏外 | 圏外 |
| アリーナ コーディング | #24 · ELO 1,521 | 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LLM-jp-3.1 8x13B instruct4。出力100万トークンあたり¥79で、Gemini 3.7 Flashより88%安くなります。
- 長い文書を扱うならGemini 3.7 Flash。コンテキスト長は1,048,576トークンで、LLM-jp-3.1 8x13B instruct4の4,096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
LLM-jp-3.1 8x13B instruct4
このエラーは、データベースから取得した注文リストに含まれる辞書型データの `price` と `quantity` の値が整数ではなく文字列になっていることが原因です。 `sum` 関数に渡されるジェネレータ式の中で、文字列と整数を乗算しようとしているため、 `TypeError` が発生しています。
この問題を解決するには、 `price` と `quantity` の値を取得する際に、適切に型変換を行う必要があります。以下のように修正しましょう。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
total = sum(order["price"] * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total": total, "orders": orders}
```
この修正では、 `order["quantity"]` の値を取得後、 `int()` 関数を使って整数に変換しています。これにより、ジェネレータ式の中で適切に乗算が行われ、エラーが解消されます。
ただし、 `quantity` の値が負の数の場合、 `int()` 関数を使用するとマイナスの符号が消えてしまいます。もし、 `quantity` が負の数であってもそのままマイナスの符…
応答時間 4.9秒出力 523 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
LLM-jp-3.1 8x13B instruct4
このTypeScript関数にはいくつかの改善点があります。以下に、可読性、パフォーマンス、ベストプラクティスを考慮したレビューと改良提案を示します。
1. ページングとリミットのロジックを修正し、APIからの全ての情報を取得した後にフィルタリングを行うことでパフォーマンスを向上させます。
2. undefinedやnullのチェックを追加し、型注釈を改善します。
3. 再帰的なアプローチを避け、イテレーティブな方法に変更して可読性を向上させます。
改良後、関数は以下のようになります。
```typescript
async function fetchAllUsers(page: number = 1): Promise<any[]> {
const PER_PAGE_LIMIT = 100;
const ALL_USERS: any[] = [];
while (true) {
const response = await fetch(`/api/users?page=${page}&limit=${PER_PAGE_LIMIT}`);
if (!response.ok) {
throw new Error('Failed to fetch users');
}
const data = await response.json();
if (data.users.length === 0) {
break;
}
const filteredUsers: any[] = d…
応答時間 4.5秒出力 552 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
LLM-jp-3.1 8x13B instruct4
このSQLクエリの最適化にはいくつかのステップが必要です。以下に各改善点とその理由を説明します。
### 1. インデックスの追加
現在のインデックスは `products(id)` と `orders(order_id)` のみのようですが、他にも必要なインデックスを追加することでクエリのパフォーマンスを向上させることができます。
#### 追加すべきインデックス:
- `categories(id)`: `LEFT JOIN categories` で使用されているため、インデックスを追加することで結合が高速化されます。
- `order_details(product_id, order_id)`: `LEFT JOIN order_details` で使用されているため、複合インデックスを追加することで結合が高速化されます。
- `reviews(product_id)`: `LEFT JOIN reviews` で使用されているため、インデックスを追加することで結合が高速化されます。
- `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされているため、インデックスを追加することでフィルタリングが高速化されます。
### 2. クエリのリファクタリング
クエリ自体をリファクタリングすることで、不要な結合やサブクエリを避け、パフォーマンスを向上させることができます。
#### 改善点:
- サブクエリの使用: 一部の集計をサブクエリとして分離することで、メインクエリの負荷を軽減す…
応答時間 7.9秒出力 917 トークン
よくある質問
- Gemini 3.7 FlashとLLM-jp-3.1 8x13B instruct4、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、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなります（FastMetalの円建て単価・税別）。
- Gemini 3.7 FlashとLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは？
- Gemini 3.7 Flashは1,048,576トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
- Gemini 3.7 FlashとLLM-jp-3.1 8x13B instruct4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 "llm-jp-3.1-8x13b-instruct4" 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LLM-jp-3.1 8x13B instruct4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。