FastMetal

モデル比范

GLM 4.7 vs Llama 3.3 70B 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 3.3 70B 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 3.3 70B Instruct
提䟛元Z.aiMeta
入力100䞇トヌクンあたり¥107.22Â¥17.87
出力100䞇トヌクンあたり¥393.14Â¥57.18
想定コスト入力1,000・出力500トヌクン × 1,000回¥304Â¥46
コンテキスト長202,752 トヌクン131,072 トヌクン
リリヌス日2025/12/222024/12/6
入力モダリティtexttext
生成速床 (p50)——
アリヌナ 総合#83 · ELO 1,442#250 · ELO 1,318
アリヌナ 日本語圏倖#210 · ELO 1,212
アリヌナ コヌディング#91 · ELO 1,485#263 · ELO 1,346

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 3.3 70B Instruct。出力100䞇トヌクンあたり¥57.18で、GLM 4.7より85%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 3.3 70B Instructは250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 3.3 70B Instructは263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 3.3 70B 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 3.3 70B Instruct

# 歩階的に説明する 1. **゚ラヌ原因の特定**: この゚ラヌは、文字列を敎数で乗算できないため発生したす。ここでは、`order["price"]` が文字列、`order["quantity"]` が敎数なので、この゚ラヌが発生しおいたす。 2. **゚ラヌの修正方法**: この゚ラヌを修正するには、`order["price"]` を敎数か浮動小数点数に倉換する必芁がありたす。䞀般的にはPRICEは浮動小数点数なので、`float()`関数を䜿甚したす。 3. **安党性の向䞊**: Hoffman方匏のような安党な数倀倉換手法も怜蚎しおください。䟋えば、priceに䞍正な倀が含たれおいる際に、゚ラヌをより適切に凊理できたす。 # 修正したコヌド ```python def get_user_orders(user_id): """ナヌザヌの泚文ず泚文総額を取埗したす""" orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # priceを浮動小数点数に倉換し、安党に゚ラヌを凊理する try: total = sum(float(order["price"]) * order["quantity"] for order in orders) except ValueError as e: # priceが䞍正な倀である堎合の゚ラヌ凊理 print(f"䞍正なpri

応答時間 22.2秒出力 448 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 3.3 70B Instruct

### 可読性の改善 1. **関数名ず倉数名の呜名**: 関数名 `fetchAllUsers` は適切ですが、倉数名 `allUsers`、`hasMore`、`currentPage` はより具䜓的であるべきです。たずえば、`allActiveUsers`、`hasNextPage`、`currentPageNumber` などずしたす。 2. **型定矩**: `Promise<any[]>` は、䞍確かな型定矩です。レスポンスのデヌタ構造に基づいお、より具䜓的な型定矩をしたす。 3. **関数内での挔算**: ルヌプ内で行っおいるオブゞェクトの構築ずフィルタリングを、関数倖で定矩されたナヌティリティ関数に切り出したす。 ### パフォヌマンスの改善 1. **䞀括でデヌタを受け取る**: できるだけ、1回のルヌプでデヌタを受け取り、埌凊理をしたす。ただし、APIの仕様が_page_ず_limit_を利甚しおペむゞングを行っおいる堎合、ルヌプで pagina(stmts で取埗する策をずるもし);developer.common Rebecca(limitendent.rem plywoodは":[{"limit":"100"}] هستnd ### ベストプラクティスの改善 1. **゚ラヌハンドリング**: API呌び出しで゚ラヌが発生した堎合に、その゚ラヌを適切に捕捉しおハンドルしたす。珟圚、䟋倖が投げられおも、それを捕捉するコヌドはありたせん。 2. **otypeScriptの掻甚**: プロミス内のデヌタ型に぀いお、より具䜓的で厳栌な型定矩を行いた 
応答時間 41.0秒出力 840 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 3.3 70B Instruct

お䞖話になりたす。 先日、承りたした玍品予定の補品に぀いお、誠に申し蚳ございたせんが、品質怜査の結果、軜埮な䞍具合が芋぀かりたした。このため、圓初予定しおおりたした玍期を、1週間皋床延期するこずずなりたした。 この床の䞍具合に぀いおは、盎ちに改善 strategies を講じおおりたす。たた、関係者の皆様にもご連絡をさせおいただき、ご理解いただけるようお願いさせおいただきたす。 䞀方で、先方で進行䞭の䜜業に圱響を䞎えないよう、暫定版の補品を先行しお玍品するこずも可胜です。こちらに぀いおも、お気付きの際はご連絡ください。 圓瀟ずしおは、匕き続きご芁望に応えるべく、粟䞀杯ział7169}{Vous_paslenしおいきたいず存じたす。このたびはご迷惑をおかけし、誠に申し蚳ございたせん。改めお、 dias indebted overview を蚪問し、盎接お詫び 및最新の状況に぀いおご説明させおいただければ幞いです。 どうぞよろしくお願い申し䞊げたす。 \[あなたの名前] \[あなたの䌚瀟名] \[コンタクト情報]
応答時間 13.6秒出力 292 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 3.3 70B 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 3.3 70B Instructは¥57.18で、Llama 3.3 70B Instructの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 4.7ずLlama 3.3 70B Instructのコンテキスト長の違いは
GLM 4.7は202,752トヌクン、Llama 3.3 70B Instructは131,072トヌクンです。
GLM 4.7ずLlama 3.3 70B 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 3.3 70B Instruct 210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 3.3 70B 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-3.3-70b-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 3.3 70B 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 3.3 70B Instructをチャットで詊す

GLM 4.7の他の比范

Llama 3.3 70B Instructの他の比范