GLM 4.7 vs Kimi K2.6
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Kimi K2.6（Moonshot）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 |  Kimi K2.6 | |
|---|---|---|
| 提供元 | Z.ai | Moonshot |
| 入力（100万トークンあたり） | ¥107.22 | ¥169.77 |
| 出力（100万トークンあたり） | ¥393.14 | ¥714.8 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥527 |
| コンテキスト長 | 202,752 トークン | 262,144 トークン |
| リリース日 | 2025/12/22 | 2026/4/20 |
| 入力モダリティ | text | text, image |
| アリーナ 総合 | #79 · ELO 1,442 | #49 · ELO 1,461 |
| アリーナ 日本語 | 圏外 | #35 · ELO 1,445 |
| アリーナ コーディング | #87 · ELO 1,485 | #34 · ELO 1,514 |
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GLM 4.7。出力100万トークンあたり¥393.14で、Kimi K2.6より45%安くなります。
- 総合の評価はアリーナ順位でKimi K2.6が上です（49位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でKimi K2.6が上です（34位。GLM 4.7は87位）。
- 長い文書を扱うならKimi K2.6。コンテキスト長は262,144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
Kimi K2.6
このエラーの原因は、**データベースから取得した `price`（または `quantity`）の値が文字列（`str`）型のまま計算に使われている**ことです。
`TypeError: unsupported operand type(s) for *: 'str' and 'int'` というエラーは、`"100"` のような文字列と `2` のような整数を `*` で乗算しようとした際に発生します。
## 原因
多くのデータベースドライバでは、クエリ結果を辞書形式で返す際、数値カラム（`DECIMAL`, `INT` など）の値が自動的にPythonの数値型に変換されず、**文字列として返される**ことがあります。
そのため `order["price"]` が `"1500.00"` のような文字列になっており、`order["quantity"]`（整数）との乗算で型エラーが発生しています。
## 修正方法
計算時に明示的に数値型に変換してください。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
# priceをfloat（またはDecimal）に、quantityをintに変換
total = sum(
float(order["price"]) * int(order["quantity"])…
応答時間 30.4秒出力 1132 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
Kimi K2.6
以下、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まとめ、最終的な推奨コードを提示します。
---
## 🔴 主要な問題点
### 1. 型安全性の欠如
`any[]` が多く使用されており、コンパイル時の型チェックが機能しません。API レスポンスの構造や返却値が不明瞭です。
### 2. エラーハンドリングの欠如
- `fetch` 失敗時（ネットワークエラー）
- HTTP エラーレスポンス（4xx/5xx）時の `response.ok` チェック
- `data.users` が `undefined` や配列でない場合
いずれも考慮されていません。
### 3. メモリ・パフォーマンス上の懸念
- すべてのユーザーを `allUsers` に蓄積し、関数終了時までメモリに保持します。数万件のデータがある場合に顕著な負荷となります。
- `for` ループ内での個別 `push` は、配列の再割り当て（resize）が頻発しやすく、大規模データではやや非効率です。
### 4. 可読性の問題
- `data.users[i]` を都度記述しており冗長です。
- ページネーション終了条件とループ制御が分散しており、意図が読み取りにくいです。
### 5. 堅牢性の問題
- **無限ループのリスク**：API が何らかの理由で常に 100 件を返し続けると、永遠にループします。
- **キャンセル機構の欠如**：コンポーネントの Unmount 時などにリクエストを中止する手段がありません。
---
## ✅ 改善版コード
###…
応答時間 102.2秒出力 3552 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
Kimi K2.6
件名：【お詛びとご連絡】□△製品 納期変更のお願い（1週間延期）
田中様
平素より格別のご高配を賜り、厚く御礼申し上げます。
○○株式会社の□□でございます。
さて、このたび貴社に納品予定でございました「△△製品」につきまして、弊社にて最終品質検査を実施したところ、軽微な不具合が発見されてしまいました。
お客様に万全の品質でお届けするべく、該当箇所の修正および再検査を実施させていただく必要が生じ、誠に勝手ながら納品予定日を1週間延期させていただきたく、謹んでお願い申し上げる次第でございます。
【新納品予定日】
○月○日（○） → ○月○日（○） （1週間延期）
今回の不具合は貴社の業務に支障を及ぼしかねない事態でございますこと、深くお詫び申し上げます。
お急ぎのところ誠に恐縮ではございますが、何卒ご理解賜りますよう、伏してお願い申し上げます。
なお、貴社のご都合を鑑みまして、もし差し支えなければ下記の代替案もご提案させていただきます。
・暫定版（不具合箇所以外の製品）を先に納品し、正式版が整いましたら入れ替えを行う
このようなご対応でご要件をお支えできるようでございましたら、お申し付けくださいませ。
また、このような事態を招いてしまいましたことのお詫びと状況のご説明を、改めて直接申し上べくご訪問させていただきたく存じます。
今週末以降でご都合のよい日時がございましたら、お手数ではございますがご指示賜りますようお願い申し上げます。
貴社に多大なるご迷惑とご心労をおかけいたしますことを、心よりお詫び申し上げます。
何とぞご容赦のほど、宜しくお願い申し上げます。
─…
応答時間 10.7秒出力 2174 トークン
よくある質問
- GLM 4.7とKimi K2.6、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、Kimi K2.6は¥714.8で、GLM 4.7の方が安くなります（FastMetalの円建て単価・税別）。
- GLM 4.7とKimi K2.6のコンテキスト長の違いは？
- GLM 4.7は202,752トークン、Kimi K2.6は262,144トークンです。
- GLM 4.7とKimi K2.6、評価が高いのはどちらですか？
- 公開アリーナの順位ではKimi K2.6が上です（GLM 4.7 79位、Kimi K2.6 35位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とKimi K2.6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 "kimi-k2.6" 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Kimi K2.6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。