GLM 4.7 vs gpt-oss-120b
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gpt-oss-120b（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
 GLM 4.7 |  gpt-oss-120b | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥107.22 | ¥16 |
| 出力（100万トークンあたり） | ¥393.14 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥56 |
| コンテキスト長 | 202,752 トークン | 131,072 トークン |
| リリース日 | 2025/12/22 | 2025/8/5 |
| 入力モダリティ | text | text |
| アリーナ 総合 | #79 · ELO 1,442 | #196 · ELO 1,352 |
| アリーナ 日本語 | 圏外 | #133 · ELO 1,328 |
| アリーナ コーディング | #87 · ELO 1,485 | #203 · ELO 1,391 |
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-oss-120b。出力100万トークンあたり¥79で、GLM 4.7より80%安くなります。
- 総合の評価はアリーナ順位でGLM 4.7が上です（79位。gpt-oss-120bは196位）。
- コーディングの評価はアリーナ順位でGLM 4.7が上です（87位。gpt-oss-120bは203位）。
- 長い文書を扱うならGLM 4.7。コンテキスト長は202,752トークンで、gpt-oss-120bの131,072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-oss-120b
**原因**
`order["price"]` が **文字列** (`str`) で返ってきているため、数値 (`int`/`float`/`Decimal`) と掛け算しようとしたときに
```
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
が発生しています。
このケースは主に次のいずれかが原因です。
| 可能性 | 内容 |
|--------|------|
| ① DBドライバが数値列を文字列として取得している | たとえば `psycopg2` の `cursor_factory=RealDictCursor` でも `numeric` が文字列になることがあります。 |
| ② テーブル定義が文字列型 (`VARCHAR`, `CHAR`) になっている | `price` カラムが文字列型で保存されている。 |
| ③ `SELECT` 文でキャストせずにそのまま取得している | DB側で数値に変換していない。 |
**修正方法**は 2 つの方向があります。
---
## 1️⃣ Python 側で安全に数値へ変換する（最も手軽）
```python
from decimal import Decimal, InvalidOperation
def get_user_orders(user_id):
# db.query の戻り値は dict のリスト（例: [{"price": "12.34", "quantity": "2"}, ..…
応答時間 7.1秒出力 1587 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-oss-120b
## 📋 1. 現行コードの概要と主な課題
| 項目 | 現状 | 問題点・改善余地 |
|------|------|-------------------|
| **型安全** | `any[]`、`any` で型を放棄 | TypeScript のメリットが失われ、実装ミスがコンパイル時に検出できない |
| **可読性** | 変数名が曖昧（`data`、`i`）・文字列結合で名前を組み立てている | 何をしているかが一読で分かりにくい |
| **エラーハンドリング** | `fetch` の失敗や `response.ok === false` をチェックしていない | ネットワークエラーで例外がそのままスローされ、呼び出し側が把握しにくい |
| **パフォーマンス** | ページ取得を **逐次** に行っている<br>（`while` ループ中で `await`） | ページ数が多いと総待ち時間が `N × latency` になる |
| **ミューテーション** | `let` で再代入が多い | 不変性を保つ方がデバッグしやすい |
| **ハードコーディング** | `limit=100` がコード中に埋め込まれている | API の変更に脆弱 |
| **文字列結合** | `first_name + " " + last_name` | 可読性が低く、`undefined` が入った時に `"undefined"` が出力されるリスク |
| **非同期キャンセル** | `AbortController` が未使用 | 長時間待機したままキャ…
応答時間 15.6秒出力 3532 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-oss-120b
**件名：** 【重要】製品納期延期のご連絡と代替案のご提案
---
**田中 部長様**
平素は格別のご高配を賜り、誠にありがとうございます。
株式会社〇〇 営業部 〇〇でございます。
さて、◯月◯日に納品を予定しております「△△製品」につきまして、品質検査の結果、**軽微な不具合が確認された**ことが判明いたしました。
つきましては、製品の完全な品質を確保するため、**納期を1週間延期（新納期：◯月◯日）**させていただきたく、謹んでご連絡申し上げます。
### 代替案のご提示
納期遅延に伴う貴社へのご不便を最小限に抑えるべく、**暫定版（不具合箇所を除いた機能のみ）**を先行して納品することも可能です。
ご希望の際は、暫定版の納品日程および内容をご指示いただければ、速やかに手配いたします。
### お詫びの訪問について
本件に関し、改めて直接ご挨拶とお詫びを申し上げたく存じます。
ご都合のよろしい日時をご教示いただけますと幸いです。
（例：◯月◯日〜◯月◯日の午前10時〜午後4時の間）
---
このたびは、弊社の不手際によりご迷惑をお掛けいたしますこと、深くお詫び申し上げます。
何卒ご理解賜りますようお願い申し上げるとともに、上記代替案・訪問日時につきご検討のほど、よろしくお願い申し上げます。
ご不明点やご要望がございましたら、遠慮なくご連絡ください。
---
**株式会社〇〇**
営業部 〇〇 〇〇
電話：03-1234-5678
メール：xxx@company.co.jp
---
敬具…
応答時間 3.5秒出力 760 トークン
よくある質問
- GLM 4.7とgpt-oss-120b、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-oss-120bは¥79で、gpt-oss-120bの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 4.7とgpt-oss-120bのコンテキスト長の違いは？
- GLM 4.7は202,752トークン、gpt-oss-120bは131,072トークンです。
- GLM 4.7とgpt-oss-120b、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 4.7が上です（GLM 4.7 79位、gpt-oss-120b 133位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とgpt-oss-120b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-oss-120b" 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gpt-oss-120b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。