FastMetal

モデル比范

GLM 4.7 vs Llama 3.1 8B Instruct

料金・コンテキスト長・実際の回答で比范2026幎9月時点

GLM 4.7Z.aiずLlama 3.1 8B InstructMeta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 4.7meta-llama logoLlama 3.1 8B Instruct
提䟛元Z.aiMeta
入力100䞇トヌクンあたり¥107.22Â¥8.94
出力100䞇トヌクンあたり¥393.14Â¥14.3
想定コスト入力1,000・出力500トヌクン × 1,000回¥304Â¥16
コンテキスト長202,752 トヌクン131,072 トヌクン
リリヌス日2025/12/222024/7/23
入力モダリティtexttext
生成速床 (p50)——
アリヌナ 総合#83 · ELO 1,442#329 · ELO 1,211
アリヌナ 日本語圏倖#243 · ELO 1,087
アリヌナ コヌディング#91 · ELO 1,485#323 · ELO 1,260

料金はFastMetalの円建お単䟡皎別。アリヌナ順䜍は公開リヌダヌボヌドの最新取埗時点の倀です。

どちらを遞ぶべきか

  • 料金重芖ならLlama 3.1 8B Instruct。出力100䞇トヌクンあたり¥14.3で、GLM 4.7より96%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83䜍。Llama 3.1 8B Instructは329䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGLM 4.7が䞊です91䜍。Llama 3.1 8B Instructは323䜍。
  • 長い文曞を扱うならGLM 4.7。コンテキスト長は202,752トヌクンで、Llama 3.1 8B Instructの131,072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

Llama 3.1 8B Instruct

問題は、`order["price"]` が文字列 (`str`) で、`order["quantity"]` が敎数 (`int`) であるこずです。 これは、`orders` がリストではなく、文字列のリストであるためです。 `db.query()` の結果は文字列のリストであるため、各文字列をリストの芁玠ずしお取埗する必芁がありたす。 修正は次のずおりです。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) orders = [order for order in orders] # リストの芁玠ずしお取埗する total = sum(float(order["price"]) * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` たた、`float(order["price"])` ず `int(order["quantity"])` を䜿甚しおいるのは、`price` ず `quantity` が文字列の堎合、挔算子 `*` の䞡偎のオペランドが数倀でないためです。
応答時間 6.9秒出力 241 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

Llama 3.1 8B Instruct

以䞋の改善点を提案したす。 ### 可読性 - **関数名**: `fetchAllUsers`は関数の目的をよく衚しおいたすが、`page`パラメヌタのデフォルト倀は`1`に蚭定されおいるため、`page`パラメヌタは実際には`optional`なので、関数名を`fetchUsers`に倉曎しおみたしょう。 - **倉数名**: `allUsers`、`hasMore`、`currentPage`の倉数名はわかりやすいですが、`data`ず`user`の倉数名は少し短すぎたす。`data`は`usersData`に、`user`は`userData`に倉曎しおみたしょう。 - **コヌディングスタむル**: 1行のコヌドの数が倚い堎合、`for`ルヌプ内に`if`ステヌトメントを远加する堎合、たたは`while`ルヌプ内に条件を远加する堎合、改善するためにコヌドを敎理する必芁がありたす。 ### パフォヌマンス - **HTTPリク゚スト**: 1床に100個のナヌザヌを取埗したすが、実際には䜕個のナヌザヌを取埗する必芁があるかを刀断するためのロゞックはありたせん。ナヌザヌが100個以䞊ある堎合、`while`ルヌプは無限に続き続きたす。これは、パフォヌマンスが䜎䞋する可胜性がありたす。 - **パフォヌマンスを改善するために、`fetch` APIの`keepalive`オプションを䜿甚しおください**。 ### ベストプラクティス - **関数内でロゞックを敎理するために、`for`ルヌプを`map`関数に眮き換えおください**。これにより、コヌドを簡略化し、 
応答時間 43.6秒出力 783 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

Llama 3.1 8B Instruct

件名: 奚励品質の確保ず玍期延期に぀いお 田䞭郚長さた 匊瀟は、最近補品の品質怜査においお、軜埮な䞍具合が発芋されたした。同様の状況でお悩みになっおいたしたら、お間違いにならないようお知らせ申しあげたす。 䞀郚の補品には䞍具合が芋぀かりたしたが、党補品に察しお圱響を及がしおいるわけではございたせん。ただし、顧客の信頌性ず安党性を確保するため、修正䜜業を実斜せずに玍品するこずはお詫びするこずず存じたす。 そのため、玍期を 1 週間延期したいず考えおおりたす。延期前の 1 週間䞭、修正䜜業を実斜し、品質が満足できるように努めたす。たた、玍期が延期されたこずによるご迷惑をお芚りいたしたすよう、改めおお詫び申しあげたす。 この䞍具合は、品質が最優先されるこずを玄しおいるこずにも関わらず、これが発生したこずには、深く申し蚳ございたせん。改めお、匊瀟の匷みである品質管理を改善しおいくのであるず考えおおりたす。 代替案ずしお、暫定版の補品を先に玍品するこずも可胜です。その堎合は、匊瀟偎から品質ぞのご連絡をご確認いただけたすよう、お願い申しあげたす。 このたびのご迷惑を深くお詫び申しあげたすずずもに、改めおご察応を宜しくお願い申しあげたす。
応答時間 1.2秒出力 390 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Llama 3.1 8B Instruct、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¥393.14、Llama 3.1 8B Instructは¥14.3で、Llama 3.1 8B Instructの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 4.7ずLlama 3.1 8B Instructのコンテキスト長の違いは
GLM 4.7は202,752トヌクン、Llama 3.1 8B Instructは131,072トヌクンです。
GLM 4.7ずLlama 3.1 8B Instruct、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 83䜍、Llama 3.1 8B Instruct 243䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 4.7ずLlama 3.1 8B Instruct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 "llama-3.1-8b-instruct" 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Llama 3.1 8B Instruct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Llama 3.1 8B Instructをチャットで詊す

GLM 4.7の他の比范

Llama 3.1 8B Instructの他の比范