GLM 4.7 vs GLM 5.3
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
GLM 4.7（Z.ai）とGLM 5.3（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
 GLM 4.7 | GLM 5.3 | |
|---|---|---|
| 提供元 | Z.ai | Z.ai |
| 入力（100万トークンあたり） | ¥107.22 | ¥250.18 |
| 出力（100万トークンあたり） | ¥393.14 | ¥786.28 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥643 |
| コンテキスト長 | 202,752 トークン | 1,048,576 トークン |
| リリース日 | 2025/12/22 | 2026/8/18 |
| 入力モダリティ | text | text |
| アリーナ 総合 | #79 · ELO 1,442 | #15 · ELO 1,484 |
| アリーナ 日本語 | 圏外 | 圏外 |
| アリーナ コーディング | #87 · ELO 1,485 | #11 · ELO 1,531 |
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 4.7。出力100万トークンあたり¥393.14で、GLM 5.3より50%安くなります。
- 総合の評価はアリーナ順位でGLM 5.3が上です（15位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でGLM 5.3が上です（11位。GLM 4.7は87位）。
- 長い文書を扱うならGLM 5.3。コンテキスト長は1,048,576トークンで、GLM 4.7の202,752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…
GLM 4.7
### 原因
このエラーは、データベースから取得した値のデータ型が原因です。
`order["price"]`（または `order["quantity"]`）が**文字列 (`str`)** 型として返ってきているのに、コード内で数値計算（掛け算）をしようとしているため発生しています。
Pythonでは、文字列と整数を直接掛け合わせることはできません（数値への変換が必要です）。
多くのデータベースライブラリ（特に標準的なもの）は、カラムの型に関係なく、結果をデフォルトで文字列として返すことがあります。
### 修正方法
計算を行う前に、文字列を数値型（`float` または `int`）に明示的に変換（キャスト）する必要があります。
通常、価格は小数点を含むことが多いため `float`、数量は `int` で変換します。
#### 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)
# 文字列を数値に変換してから計算します
total = sum(float(order["price"]) * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total": total, "orders": orders}…
応答時間 101.4秒出力 1460 トークン
GLM 5.3
## 原因
`TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、**文字列と数値を掛け算しようとして失敗**したエラーです。エラーメッセージの並びから、`order["price"]` が文字列（`'1000'` など）、`order["quantity"]` が整数で返されていると推測できます。
つまり、DBから取得した値の型が期待（数値）と異なっています。典型的な要因は：
1. **`price` カラムが `VARCHAR` / `TEXT` などの文字列型で定義されている**（最も可能性が高い）
2. `DECIMAL` 型カラムを、ドライバーの設定や `db.query()` ラッパーの処理によって文字列として受け取っている
3. JSON 経由などで一度文字列化されたデータを使っている
## 確認方法
まず実際の型を確認してください：
```python
print(type(orders[0]["price"]), repr(orders[0]["price"]))
print(type(orders[0]["quantity"]), repr(orders[0]["quantity"]))
# 例: <class 'str'> '1000' ← これが原因
```
スキーマも確認します（MySQLの例）：
```sql
SELECT column_name, data_type FROM information_schema.columns
WHERE table_…
応答時間 93.0秒出力 7073 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…
GLM 4.7
ご提示いただいたTypeScript関数をレビューしました。
動作はしますが、型安全性、エラーハンドリング、可読性の観点でいくつか改善できる点があります。
以下に主要な改善点を挙げ、最後にリファクタリング後のコードを提示します。
### 主な改善点
#### 1. 型安全性の向上 (`any` の排除)
現在、戻り値の型が `Promise<any[]>` となっており、関数の利用者は戻り値の構造（`id`, `name`, `email`）を型情報として得られません。また、`data` も `any` として扱われています。
* **改善:** APIのレスポンス型と、返却するユーザー型を `interface` で定義します。
#### 2. エラーハンドリングの強化
`fetch` はネットワークエラー以外（404, 500など）では例外を投げず、レスポンスを返します。また、`response.json()` のパースに失敗した場合の考慮もありません。
* **改善:** `response.ok` をチェックし、HTTPエラーの場合は例外を投げるようにします。また、`try-catch` で通信エラーを捕捉します。
#### 3. 可読性とモダンなJS/TS構文の使用
* **文字列結合:** `"first_name" + " " + "last_name"` は、テンプレートリテラル `` `${first_name} ${last_name}` `` の方が簡潔で読みやすいです。
* **ループ処理:** `for` ループ内で `if`…
応答時間 89.4秒出力 3915 トークン
GLM 5.3
# コードレビュー
全体的にロジックは正しく動作しますが、いくつかの改善点があります。カテゴリ別に整理します。
## 1. 型安全性
**課題：`any` の使用**
`Promise<any[]>` や `allUsers: any[]` はTypeScriptの型チェックを無効化しており、タイポや存在しないプロパティへのアクセスを実行時まで検出できません。
```typescript
// APIレスポンスと返却値の型を定義すべき
interface ApiUser {
id: number;
first_name: string;
last_name: string;
email: string;
status: 'active' | 'deleted';
}
interface User {
id: number;
name: string;
email: string;
}
```
## 2. エラー処理
**課題：`response.ok` のチェックがない**
HTTP 404 や 500 でも `fetch` は例外を投げず、`response.json()` が失敗するか意図しないデータを返します。また、ネットワークエラー時の挙動も考慮されていません。
```typescript
const response = await fetch(url);
if (!response.ok) {
throw new Error(`ユーザー取得に失敗しました (status: ${response.status})…
応答時間 42.3秒出力 3589 トークン
ビジネスメール作成
取引先の田中部長に、納品予定の製品に不具合が見つかり、納期を1週間延期する必要がある旨を伝えるビジネスメールを作成してください。 条件： - 原因は品質検査で軽微な不具合が発見されたため - 代替案として暫定版を先に納品することも可能 - 改めてお詫びの訪問をしたい - 日本のビジネスマナーに沿った丁寧な文面にすること
GLM 4.7
ご提示いただいた条件に基づき、田中部長へのビジネスメールを作成しました。
状況に合わせて、[ ] の部分を書き換えてご使用ください。
***
**件名：【重要】製品「[製品名]」の納期遅延に関するお詫びとお願い**
**本文：**
[取引先会社名]
田中 部長
いつも大変お世話になっております。
[自社名]の[あなたの名前]です。
さて、このたび納品を予定しておりました製品「[製品名]」につきまして、誠に恐縮ながら納期を延期させていただきたくご連絡いたしました。
事情としましては、出荷前の最終品質検査において、軽微な不具合が発見されたためです。
弊社といたしましては、お客様に安心してご使用いただけるよう、品質の完璧を期すべきと判断し、現在修正作業を行っております。
つきましては、誠に勝手ながら、当初の納期より1週間遅れ、**[新しい納期日]** に納品させていただきたく存じます。
田中部長におかれましては、急な計画変更となり多大なるご迷惑とご心配をおかけしますことを、深くお詫び申し上げます。
なお、もしご予定の都合上、どうしても当初の納期に製品が必要でございましたら、不具合箇所を回避して使用いただける「暫定版」を先に納品することも可能でございます。お急ぎの場合は、暫定版にて先行手配させていただきますので、ご検討いただけますでしょうか。
この度は、信頼に応えることができず誠に申し訳ございません。
後日、改めて直接お詫びに伺いたいと考えております。翌週以降で、田中部長のご都合いかがでしょうか。
急なご連絡となり恐縮ではございますが、ご確認のほど何卒よろしくお…
応答時間 67.5秒出力 1930 トークン
GLM 5.3
## ビジネスメール文面
---
**件名：【お詫び】製品納期延期のご連絡（◯月◯日納品予定分）**
株式会社〇〇 〇〇部
部長 田中様
平素より大変お世話になっております。
株式会社△△の△△でございます。
この度は、◯月◯日納品予定の製品につきまして、納期を1週間延期させていただきたく存じ、ご連絡を差し上げました。田中様ならびに貴社の皆様には多大なご迷惑をおかけいたしますこと、誠に申し訳ございません。
**【延期の理由】**
先日実施いたしました品質検査の際に、当該製品に軽微な不具合が確認されました。安心してご使用いただける製品をお届けするため、修正および再検査を十分に施したうえでの納品とさせていただきたく存じます。
**【納期変更のご案内】**
・当初納期：◯月◯日（◯曜日）
・新納期 ：◯月◯日（◯曜日） ※1週間延期
**【暫定版の先行納品について】**
貴社へのお届けが遅れる期間を少しでも短縮できるよう、正式版の完成を待たずに、暫定版を先行納品することも可能でございます。ご希望がございましたら、その旨お申し付けください。すぐに手配いたします。
また、本件に関しまして、改めて直接お詫び申し上げたく、貴社へお伺いしたいと存じます。恐れ入りますが、田中様のご都合のよろしい日時をお教えいただけますでしょうか。
納期延期という事態を招きましたこと、重ねて深くお詫び申し上げます。今後は品質管理体制を見直し、再発防止に全力で取り組んでまいる所存でございます。
ご多忙のところ恐れ入りますが、ご検討のほど何卒よろしくお願い申し上げます。
―――――――――――…
応答時間 51.3秒出力 4238 トークン
よくある質問
- GLM 4.7とGLM 5.3、料金はどちらが安いですか？
- 出力100万トークンあたりGLM 4.7は¥393.14、GLM 5.3は¥786.28で、GLM 4.7の方が安くなります（FastMetalの円建て単価・税別）。
- GLM 4.7とGLM 5.3のコンテキスト長の違いは？
- GLM 4.7は202,752トークン、GLM 5.3は1,048,576トークンです。
- GLM 4.7とGLM 5.3、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 5.3が上です（GLM 4.7 79位、GLM 5.3 15位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とGLM 5.3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 "glm-4.7" または "glm-5.3" 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、GLM 4.7とGLM 5.3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。