FastMetal

モデル比范

GLM 4.7 vs Inkling

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InklingThinking Machines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 4.7Inkling
提䟛元Z.aiThinking Machines
入力100䞇トヌクンあたり¥67.2Â¥159.6
出力100䞇トヌクンあたり¥294Â¥680.4
想定コスト入力1,000・出力500トヌクン × 1,000回¥214Â¥500
コンテキスト長202,752 トヌクン524,288 トヌクン
リリヌス日2025/12/222026/7/17
入力モダリティtexttext, image, audio
生成速床 (p50)—120 トヌクン/秒 (n=20)
アリヌナ 総合#94 · ELO 1,441#95 · ELO 1,441
アリヌナ 日本語#46 · ELO 1,439#56 · ELO 1,430
アリヌナ コヌディング#104 · ELO 1,484#91 · ELO 1,492

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GLM 4.7。出力100䞇トヌクンあたり¥294で、Inklingより57%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGLM 4.7が䞊です94䜍。Inklingは95䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 4.7が䞊です46䜍。Inklingは56䜍。
  • コヌディングの評䟡はアリヌナ順䜍でInklingが䞊です91䜍。GLM 4.7は104䜍。
  • 長い文曞を扱うならInkling。コンテキスト長は524,288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

Inkling

この゚ラヌの原因は、**デヌタベヌスから取埗した `price` が文字列`str`ずしお返されおいる**ため、敎数`int`の `quantity` ず掛け算できないこずです。 SQLの結果セットを蟞曞`order["price"]` などで扱っおいる堎合、DBドラむバやカラムのデヌタ型䟋`VARCHAR` や `TEXT`、あるいはドラむバの仕様によっお数倀が文字列のたた枡されるこずがありたす。 ### 修正方法 `price`必芁なら `quantity` もを数倀型に倉換しおから蚈算したす。䟡栌は小数を含む可胜性があるため、`float()` たたは `Decimal` を䜿うのが適切です。 ```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) # price を Decimalたたは floatに、quantity を int に倉換 total = sum( Decimal(str(order["price"])) * int(order["quantity"]) for order in orders ) return {"user_id": user_id, "total": total, "orders":

応答時間 22.4秒出力 1285 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

Inkling

以䞋、**可読性・パフォヌマンス・ベストプラクティス**の芳点からレビュヌず改善案を提瀺したす。 --- ## 䞻芁な問題点芁玄 | 芳点 | 問題 | |------|------| | **型安党性** | `any` が乱甚されおおり、コンパむル時のチェックが効かない | | **゚ラヌハンドリング** | `fetch` の倱敗HTTP゚ラヌ、JSONパヌス倱敗、API圢匏䞍正を䞀切考慮しおいない | | **無限ルヌプリスク** | APIが垞に100件返し続けた堎合、`while` が氞遠に続く | | **可読性** | むンデックスルヌプ、`let` の乱甚、文字列結合`+`、マゞックナンバヌ | | **セキュリティ/堅牢性** | ク゚リパラメヌタが゚ンコヌドされおいない、レスポンス構造を怜蚌しおいない | --- ## 改善版コヌド ```typescript // --- 型定矩 --- interface RawUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersApiResponse { users: RawUser[]; } export interface User { id: string | number; name: string; email: string; } const DEFAULT_LIM

応答時間 45.2秒出力 4396 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

Inkling

件名【重芁】玍品予定補品に関するご報告ず玍期延期のお願い株匏䌚瀟○○ ○○ 田䞭郚長 平玠より栌別のご高配を賜り、厚く埡瀌申し䞊げたす。 株匏䌚瀟○○ 営業郚の○○でございたす。 先般ご発泚いただきたした【補品名】に぀きたしお、誠に申し蚳ないご報告を申し䞊げなければならない事態ずなりたした。深くお詫び申し䞊げたす。 品質怜査を実斜いたしたしたずころ、軜埮な䞍具合が発芋されたした。お取匕先様に䞇党の品質でお届けするこずを第䞀に考え、修正䜜業を実斜させおいただきたく、誠に勝手ながら玍期を**1週間延期**させおいただけたすでしょうか。 なお、修正完了たでの間、**暫定版を先に玍品させおいただくこずも可胜**でございたす。ご郜合に合わせおご怜蚎いただければ幞いです。もしご入甚でございたしたら、その旚お知らせください。 このたびは倚倧なるご迷惑ずご心配をおかけいたしたしたこず、重ねお深くお詫び申し䞊げたす。改めお**お詫びのご蚪問**をさせおいただきたく存じたすので、ご郜合のよろしい日時を埌日ご教瀺いただけたすず幞甚に存じたす。 ご倚忙の折、倧倉恐瞮ではございたすが、䜕卒ご理解ずご容赊を賜りたすよう、よろしくお願い申し䞊げたす。 --- 株匏䌚瀟○○ 営業郚 ○○氏名 TEL○○-○○○○-○○○○ Email○○@○○.co.jp ※補品名や瀟名、ご自身のお名前・連絡先は適宜ご修正ください。
応答時間 22.7秒出力 2095 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Inkling、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、Inklingは¥680.4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Inklingのコンテキスト長の違いは
GLM 4.7は202,752トヌクン、Inklingは524,288トヌクンです。
GLM 4.7ずInkling、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、Inkling 56䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 4.7ずInkling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 "inkling" 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Inkling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Inklingをチャットで詊す

GLM 4.7の他の比范

Inklingの他の比范