モデル比較

GLM 4.7 vs GPT-6 Luna

料金・コンテキスト長・実際の回答で比較(2026年9月時点)

GLM 4.7(Z.ai)とGPT-6 Luna(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

z-ai logoGLM 4.7openai logoGPT-6 Luna
提供元Z.aiOpenAI
入力(100万トークンあたり)¥107.22¥17.87
出力(100万トークンあたり)¥393.14¥89.35
想定コスト(入力1,000・出力500トークン × 1,000回)¥304¥63
コンテキスト長202,752 トークン1,050,000 トークン
リリース日2025/12/222026/9/22
入力モダリティtextfile, image, text
生成速度 (p50)
アリーナ 総合#83 · ELO 1,442圏外
アリーナ 日本語圏外圏外
アリーナ コーディング#91 · ELO 1,485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GPT-6 Luna。出力100万トークンあたり¥89.35で、GLM 4.7より77%安くなります。
  • 長い文書を扱うならGPT-6 Luna。コンテキスト長は1,050,000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

GPT-6 Luna

`price` が数値ではなく文字列として取得されている可能性があります。金額は文字列のまま計算せず、数値型に変換してください。金額の計算には、浮動小数点数の誤差を避けるため `Decimal` を使うのがおすすめです。 ```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 , Decimal("0")) return {"user_id": user_id, "total": total, "orders": orders} ``` `quantity` も文字列で返る場合を考慮して `int()` で変換しています。なお、値が `None` や数値に変換できない文字列の場合は別途エラー処理が必要です。 また、標準的な Python では `"100" * 2` は文字列の繰り返しになるため、提示された `str` と `int` の掛け算だけなら、記載のエラーには通常なりません。文字列のまま計算すると、その後の `sum()` で別の型エ…
応答時間 11.7秒出力 1121 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

GPT-6 Luna

主な改善点は、型の明確化、HTTPエラーの確認、ループ状態の簡素化です。 ### 改善例 ```ts interface ApiUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersResponse { users: ApiUser[]; } interface UserSummary { id: string | number; name: string; email: string; } const PAGE_SIZE = 100; async function fetchAllUsers(startPage = 1): Promise<UserSummary[]> { if (!Number.isInteger(startPage) || startPage < 1) { throw new RangeError("startPage must be a positive integer"); } const allUsers: UserSummary[] = []; for (let page = startPage; ; page++) { const params = new URLSearchParams({ page: String(page), limit: String(PAGE…
応答時間 16.0秒出力 1532 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

GPT-6 Luna

**件名:納期延期のお詫びとご相談** 田中部長 いつも大変お世話になっております。 株式会社〇〇の〇〇でございます。 このたび納品を予定しております製品につきまして、品質検査の過程で軽微な不具合が見つかりました。品質を確保したうえで納品するため、誠に恐縮ではございますが、納期を当初の予定より1週間延期させていただきたく、ご連絡申し上げます。 ご予定に影響を及ぼすこととなり、誠に申し訳ございません。 なお、ご要望に応じて、完成版の納品に先立ち、暫定版を先にお届けすることも可能でございます。ご都合やご希望をお聞かせいただけますと幸いです。 このたびの件につきまして、改めて直接お詫びに伺いたく存じます。ご都合のよろしい日時をお知らせいただけますでしょうか。 ご迷惑をおかけいたしますことを重ねてお詫び申し上げます。何卒ご理解を賜りますよう、よろしくお願い申し上げます。 ―――――――― 株式会社〇〇 〇〇 電話:〇〇 メール:〇〇 ――――――――
応答時間 3.1秒出力 311 トークン

他のプロンプトでも比較する →

よくある質問

GLM 4.7とGPT-6 Luna、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、GPT-6 Lunaは¥89.35で、GPT-6 Lunaの方が安くなります(FastMetalの円建て単価・税別)。
GLM 4.7とGPT-6 Lunaのコンテキスト長の違いは?
GLM 4.7は202,752トークン、GPT-6 Lunaは1,050,000トークンです。
GLM 4.7とGPT-6 Luna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 "gpt-6-luna" 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、GLM 4.7とGPT-6 Luna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。

GLM 4.7の他の比較

GPT-6 Lunaの他の比較