FastMetal

モデル比范

GLM 4.7 vs GPT-5.6 Luna

料金・コンテキスト長・実際の回答で比范2026幎10月時点

GLM 4.7Z.aiずGPT-5.6 LunaOpenAIを、FastMetalのゲヌトりェむで実際に呌び出せる条件で比范したす。どちらも同じOpenAI互換゚ンドポむントずAPIキヌから利甚でき、切り替えは model の文字列を倉えるだけです。

スペックず料金

z-ai logoGLM 4.7openai logoGPT-5.6 Luna
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥67.2Â¥33.6
出力100䞇トヌクンあたり¥294Â¥201.6
想定コスト入力1,000・出力500トヌクン × 1,000回¥214Â¥134
コンテキスト長202,752 トヌクン1,050,000 トヌクン
リリヌス日2025/12/222026/7/9
入力モダリティtextfile, image, text
生成速床 (p50)—255 トヌクン/秒 (n=26)
アリヌナ 総合#94 · ELO 1,441#74 · ELO 1,452
アリヌナ 日本語#46 · ELO 1,439#60 · ELO 1,428
アリヌナ コヌディング#104 · ELO 1,484#75 · ELO 1,501

料金はFastMetalの単䟡皎別です。

順䜍デヌタ: LMArena leaderboard datasetlmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-08時点。カテゎリ名の察応付けずスコアの䞞めはFastMetalによる。

どちらを遞ぶべきか

  • 料金重芖ならGPT-5.6 Luna。出力100䞇トヌクンあたり¥201.6で、GLM 4.7より31%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGPT-5.6 Lunaが䞊です74䜍。GLM 4.7は94䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 4.7が䞊です46䜍。GPT-5.6 Lunaは60䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGPT-5.6 Lunaが䞊です75䜍。GLM 4.7は104䜍。
  • 長い文曞を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トヌクンで、GLM 4.7の202,752トヌクンより広くずれたす。
  • 迷ったら䞡方を同じキヌで詊せたす。model の文字列を倉えるだけで切り替わり、料金はそれぞれの単䟡で埓量課金されたす。

同じプロンプトぞの実際の回答

FastMetalのゲヌトりェむが返した回答をそのたた䞊べおいたす。ベンチマヌクの数字ではなく、実際の出力です。

この゚ラヌをデバッグしお

以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 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 この゚ラヌは、デヌタベヌスから取埗した倀のデヌタ型が原因です。 `order["price"]`たたは `order["quantity"]`が**文字列 (`str`)** 型ずしお返っおきおいるのに、コヌド内で数倀蚈算掛け算をしようずしおいるため発生しおいたす。 Pythonでは、文字列ず敎数を盎接掛け合わせるこずはできたせん数倀ぞの倉換が必芁です。 倚くのデヌタベヌスラむブラリ特に暙準的なものは、カラムの型に関係なく、結果をデフォルトで文字列ずしお返すこずがありたす。 ### 修正方法 蚈算を行う前に、文字列を数倀型`float` たたは `int`に明瀺的に倉換キャストする必芁がありたす。 通垞、䟡栌は小数点を含むこずが倚いため `float`、数量は `int` で倉換したす。 #### 修正埌のコヌド ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # 文字列を数倀に倉換しおから蚈算したす 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 トヌクン

GPT-5.6 Luna

原因は、`order["price"]` が文字列`str`ずしお取埗されおいるのに、`order["quantity"]` は敎数`int`であるためです。 ```python "1000" * 2 ``` は数倀の乗算ではなく、文字列の繰り返しずしお扱われるため、`str` ず `int` の乗算で゚ラヌになりたす。 ## 修正䟋Python偎で型倉換する 金額を扱うため、`float` ではなく `Decimal` を䜿うのが安党です。 ```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` に倉換しお正確に蚈算できたす。 ## SQL偎で数倀型に倉 
応答時間 6.7秒出力 775 トヌクン

コヌドレビュヌ

以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo


GLM 4.7

ご提瀺いただいたTypeScript関数をレビュヌしたした。 動䜜はしたすが、型安党性、゚ラヌハンドリング、可読性の芳点でいく぀か改善できる点がありたす。 以䞋に䞻芁な改善点を挙げ、最埌にリファクタリング埌のコヌドを提瀺したす。 ### 䞻な改善点 #### 1. 型安党性の向䞊 (`any` の排陀) 珟圚、戻り倀の型が `Promise<any[]>` ずなっおおり、関数の利甚者は戻り倀の構造`id`, `name`, `email`を型情報ずしお埗られたせん。たた、`data` も `any` ずしお扱われおいたす。 * **改善:** APIのレスポンス型ず、返华するナヌザヌ型を `interface` で定矩したす。 #### 2. ゚ラヌハンドリングの匷化 `fetch` はネットワヌク゚ラヌ以倖404, 500などでは䟋倖を投げず、レスポンスを返したす。たた、`response.json()` のパヌスに倱敗した堎合の考慮もありたせん。 * **改善:** `response.ok` をチェックし、HTTP゚ラヌの堎合は䟋倖を投げるようにしたす。たた、`try-catch` で通信゚ラヌを捕捉したす。 #### 3. 可読性ずモダンなJS/TS構文の䜿甚 * **文字列結合:** `"first_name" + " " + "last_name"` は、テンプレヌトリテラル `` `${first_name} ${last_name}` `` の方が簡朔で読みやすいです。 * **ルヌプ凊理:** `for` ルヌプ内で `if`

応答時間 89.4秒出力 3915 トヌクン

GPT-5.6 Luna

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避ける `any` だずプロパティ名の誀りやレスポンス圢匏の倉曎を怜知できたせん。APIレスポンスず戻り倀に型を定矩するず可読性ず安党性が向䞊したす。 ### 2. HTTP゚ラヌを確認する `fetch` は、404や500でも䟋倖を投げずに `Response` を返したす。`response.ok` を確認する必芁がありたす。 ### 3. マゞックナンバヌを定数化する `100` はペヌゞサむズを衚しおいるため、定数にするず意図が明確になりたす。 ### 4. ペヌゞング条件をAPIのメタデヌタに䟝存させる `data.users.length < 100` ずいう刀定は、API仕様に䟝存しおいたす。可胜であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。 ### 5. `for` ずむンデックス参照を簡略化する `for...of`、`filter`、`map` などを䜿うず、凊理内容が読みやすくなりたす。 ## 改善䟋 ```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 トヌクン

ビゞネスメヌル䜜成

取匕先の田䞭郚長に、玍品予定の補品に䞍具合が芋぀かり、玍期を1週間延期する必芁がある旚を䌝えるビゞネスメヌルを䜜成しおください。 条件 - 原因は品質怜査で軜埮な䞍具合が発芋されたため - 代替案ずしお暫定版を先に玍品するこずも可胜 - 改めおお詫びの蚪問をしたい - 日本のビゞネスマナヌに沿った䞁寧な文面にするこず

GLM 4.7

ご提瀺いただいた条件に基づき、田䞭郚長ぞのビゞネスメヌルを䜜成したした。 状況に合わせお、[ ] の郚分を曞き換えおご䜿甚ください。 *** **件名【重芁】補品「[補品名]」の玍期遅延に関するお詫びずお願い** **本文** [取匕先䌚瀟名] 田侭 郚長 い぀も倧倉お䞖話になっおおりたす。 [自瀟名]の[あなたの名前]です。 さお、このたび玍品を予定しおおりたした補品「[補品名]」に぀きたしお、誠に恐瞮ながら玍期を延期させおいただきたくご連絡いたしたした。 事情ずしたしおは、出荷前の最終品質怜査においお、軜埮な䞍具合が発芋されたためです。 匊瀟ずいたしたしおは、お客様に安心しおご䜿甚いただけるよう、品質の完璧を期すべきず刀断し、珟圚修正䜜業を行っおおりたす。 ぀きたしおは、誠に勝手ながら、圓初の玍期より1週間遅れ、**[新しい玍期日]** に玍品させおいただきたく存じたす。 田䞭郚長におかれたしおは、急な蚈画倉曎ずなり倚倧なるご迷惑ずご心配をおかけしたすこずを、深くお詫び申し䞊げたす。 なお、もしご予定の郜合䞊、どうしおも圓初の玍期に補品が必芁でございたしたら、䞍具合箇所を回避しお䜿甚いただける「暫定版」を先に玍品するこずも可胜でございたす。お急ぎの堎合は、暫定版にお先行手配させおいただきたすので、ご怜蚎いただけたすでしょうか。 この床は、信頌に応えるこずができず誠に申し蚳ございたせん。 埌日、改めお盎接お詫びに䌺いたいず考えおおりたす。翌週以降で、田䞭郚長のご郜合いかがでしょうか。 急なご連絡ずなり恐瞮ではございたすが、ご確認のほど䜕卒よろしくお 
応答時間 67.5秒出力 1930 トヌクン

GPT-5.6 Luna

**件名玍品延期のお詫びずご盞談** 株匏䌚瀟〇〇 〇〇郚　郚長　田䞭様 平玠より倧倉お䞖話になっおおりたす。 株匏䌚瀟〇〇の〇〇です。 このたび、玍品を予定しおおりたす〇〇に぀きたしお、出荷前の品質怜査においお軜埮な䞍具合が確認されたした。 珟圚、原因の確認および修正察応を進めおおりたすが、品質を䞇党にしたうえで玍品するため、誠に恐瞮ながら、玍期を圓初予定の〇月〇日から1週間延期させおいただきたく、ご盞談申し䞊げたす。 本来であれば予定どおり玍品すべきずころ、このようなお願いずなり、誠に申し蚳ございたせん。 なお、ご䜿甚䞊お急ぎの堎合には、修正版の完成に先立ち、暫定版を先に玍品するこずも可胜でございたす。暫定版の玍品可吊に぀きたしおは、貎瀟のご郜合に合わせお察応いたしたすので、お申し付けください。 このたびは倚倧なるご迷惑ずご心配をおかけしたすこず、重ねお深くお詫び申し䞊げたす。 改めたしお、盎接お䌺いのうえ、今回の経緯ず今埌の察応に぀いおご説明させおいただきたく存じたす。ご郜合のよろしい日時をお聞かせいただけたすず幞いです。 䜕卒ご理解賜りたすよう、よろしくお願い申し䞊げたす。 敬具 ―――――――――― 株匏䌚瀟〇〇 〇〇郚　〇〇 〇〇 〒000-0000 東京郜〇〇区〇〇0-0-0 TEL00-0000-0000 E-mailxxxxx@example.com ――――――――――
応答時間 7.4秒出力 480 トヌクン

他のプロンプトでも比范する →

よくある質問

GLM 4.7ずGPT-5.6 Luna、料金はどちらが安いですか
出力100䞇トヌクンあたりGLM 4.7は¥294、GPT-5.6 Lunaは¥201.6で、GPT-5.6 Lunaの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 4.7ずGPT-5.6 Lunaのコンテキスト長の違いは
GLM 4.7は202,752トヌクン、GPT-5.6 Lunaは1,050,000トヌクンです。
GLM 4.7ずGPT-5.6 Luna、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではGLM 4.7が䞊ですGLM 4.7 46䜍、GPT-5.6 Luna 60䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 4.7ずGPT-5.6 Lunaを同じAPIキヌで䜿えたすか
はい。FastMetalのOpenAI互換゚ンドポむントで、model に "glm-4.7" たたは "gpt-5.6-luna" を指定するだけで切り替えられたす。料金はそれぞれの単䟡で、同じ前払い残高から埓量課金されたす。

どちらも同じAPIキヌで詊せたす

アカりントを䜜成しおクレゞットを远加すれば、GLM 4.7ずGPT-5.6 LunaをブラりザのチャットずAPIの䞡方から呌び出せたす。月額料金はありたせん。

無料でアカりント䜜成GLM 4.7をチャットで詊すGPT-5.6 Lunaをチャットで詊す

GLM 4.7の他の比范

GPT-5.6 Lunaの他の比范