FastMetal

モデル比范

GLM 4.7 vs GPT-6 Astra

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-6 Astra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-6 Astra
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥67.2Â¥1,680
出力100䞇トヌクンあたり¥294Â¥8,400
想定コスト入力1,000・出力500トヌクン × 1,000回¥214Â¥5,880
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2025/12/222026/9/4
入力モダリティtextfile, image, text
生成速床 (p50)—111 トヌクン/秒 (n=24)
アリヌナ 総合#95 · ELO 1,441#32 · ELO 1,476
アリヌナ 日本語#50 · ELO 1,440#52 · ELO 1,437
アリヌナ コヌディング#107 · ELO 1,484#9 · ELO 1,543

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、2026-10-22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GLM 4.7。出力100䞇トヌクンあたり¥294で、GPT-6 Astraより97%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGPT-6 Astraが䞊です32䜍。GLM 4.7は95䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 4.7が䞊です50䜍。GPT-6 Astraは52䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGPT-6 Astraが䞊です9䜍。GLM 4.7は107䜍。
  • 長い文曞を扱うならGPT-6 Astra。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-6 Astra

`price` が文字列ずしお返されおいる可胜性がありたす。ただし、**提瀺された゚ラヌメッセヌゞずコヌドには食い違いがありたす**。 Python の暙準の `str` ず `int` は掛け算でき、数倀蚈算ではなく文字列の繰り返しになりたす。 ```python "100" * 2 # "100100" ``` そのため、`price="100"`、`quantity=2` であれば、通垞は掛け算ではなく、`sum()` が文字列を加算する段階で `int` ず `str` の加算゚ラヌになりたす。実際の倀・型ず、実行䞭のコヌドが提瀺内容ず䞀臎するか確認しおください。 ### 1. 取埗した倀ず型を確認する 開発環境で、蚈算の盎前に次を入れお確認したす。 ```python for order in orders: print( "price:", repr(order["price"]), type(order["price"]), "quantity:", repr(order["quantity"]), type(order["quantity"]), ) ``` ※ `orders` がむテレヌタヌの堎合、この確認で消費されるため、先に `orders = list(orders)` ずしおください。 ### 2. 数倀に倉換しお蚈算する 金額には、浮動小数点の䞞め誀差を避けるため `float` より `Decimal` が適しおいたす。`price` が数倀たたは数倀文字列で、`quantity

応答時間 13.8秒出力 793 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-6 Astra

元の関数は凊理の流れがシンプルで、ペヌゞを順番に取埗する実装ずしお劥圓です。特に改善したいのは、**型安党性・HTTP゚ラヌ凊理・ルヌプ内の可読性**です。 ## 䞻な改善点 ### 1. `any` を具䜓的な型に眮き換える APIから受け取るナヌザヌず、敎圢埌に返すナヌザヌでは構造が異なるため、別々の型を定矩するず意図が明確になりたす。 ただし、TypeScriptの型指定だけでは実際のAPIレスポンスを怜蚌できたせん。倖郚デヌタの信頌性が䜎い堎合は、Zodなどによる実行時怜蚌も怜蚎しおください。 ### 2. HTTP゚ラヌを明瀺的に凊理する `fetch` は、404や500などのHTTP゚ラヌでは通垞rejectされたせん。`response.ok` を確認し、倱敗したペヌゞなどを含む゚ラヌを投げるず原因を远いやすくなりたす。 ### 3. 配列の添字アクセスを枛らす `for...of` ず `continue` を䜿うず、`data.users[i]` の繰り返しやネストを枛らせたす。 `filter().map()` も読みやすい遞択肢ですが、珟状のように1回の走査で結果ぞ远加すれば、䞭間配列を䜜らずに枈みたす。 ### 4. ペヌゞングの条件を明確にする - `100` は定数化する。 - 開始ペヌゞは正の敎数であるこずを怜蚌する。 - 終了時に `break` すれば、`hasMore` の状態管理は䞍芁になる。 ## 改善䟋 以䞋は、APIの `id` が数倀で、レスポンスが `{ users: [...] }` であるこずを前提ずした䟋 
応答時間 20.2秒出力 1308 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-6 Astra

件名【お詫びずご盞談】補品の玍期延期に぀きたしお 株匏䌚瀟〇〇 〇〇郚　郚長　田䞭様 平玠より栌別のお匕き立おを賜り、誠にありがずうございたす。 株匏䌚瀟△△の□□でございたす。 このたび、〇月〇日に玍品を予定しおおりたす「〇〇」に぀きたしお、出荷前の品質怜査で軜埮な䞍具合が確認されたした。 䞍具合の修正および修正埌の品質確認を確実に行うため、誠に勝手なお願いではございたすが、玍期を圓初の予定より1週間延期させおいただきたく、ご連絡申し䞊げたした。 圓初の玍品予定日〇月〇日〇 倉曎埌の玍品予定日〇月〇日〇〈圓初予定の1週間埌〉 貎瀟のご予定に圱響を及がし、倚倧なるご迷惑をおかけいたしたすこず、深くお詫び申し䞊げたす。 なお、代替案ずいたしたしお、暫定版を先行しお玍品するこずも可胜でございたす。 ご怜蚎いただける堎合には、暫定版の仕様やご利甚䞊の制玄、正匏版ぞの切り替え方法を事前にご説明し、貎瀟のご了承をいただいたうえで手配いたしたす。 たた、改めおお詫びに䌺い、今回の経緯ず今埌の察応に぀いお盎接ご説明する機䌚を頂戎できればず存じたす。 ご倚甚のずころ恐瞮ではございたすが、ご郜合のよい日時をお知らせいただけたすでしょうか。 このたびは、匊瀟の䞍手際によりご迷惑をおかけし、誠に申し蚳ございたせん。 たずはメヌルにおお詫びずご盞談を申し䞊げたす。 䜕卒ご怜蚎賜りたすよう、よろしくお願い申し䞊げたす。 ―――――――――― 株匏䌚瀟△△ 〇〇郚　□□ □□ TEL〇〇-〇〇〇〇-〇〇〇〇 E-mail〇〇@〇〇.co.jp ――――――――――
応答時間 9.6秒出力 509 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-6 Astra、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-6 Astraは¥8,400で、GLM 4.7の方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 4.7ずGPT-6 Astraのコンテキスト長の違いは
GLM 4.7は202,752トヌクン、GPT-6 Astraは1,050,000トヌクンです。
GLM 4.7ずGPT-6 Astra、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 50䜍、GPT-6 Astra 52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-6 Astra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-6-astra" 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-6 Astra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-6 Astraをチャットで詊す

GLM 4.7の他の比范

GPT-6 Astraの他の比范