モデル比較

GLM 4.7 vs LLM-jp-3.1 8x13B instruct4

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LLM-jp-3.1 8x13B instruct4(Llm Jp)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

z-ai logoGLM 4.7LLM-jp-3.1 8x13B instruct4
提供元Z.aiLlm Jp
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4,096 トークン
リリース日2025/12/222026/3/21
入力モダリティtexttext
アリーナ 総合#79 · ELO 1,442圏外
アリーナ 日本語圏外圏外
アリーナ コーディング#87 · ELO 1,485圏外

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LLM-jp-3.1 8x13B instruct4。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。
  • 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、LLM-jp-3.1 8x13B instruct4の4,096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

LLM-jp-3.1 8x13B instruct4

このエラーは、データベースから取得した注文リストに含まれる辞書型データの `price` と `quantity` の値が整数ではなく文字列になっていることが原因です。 `sum` 関数に渡されるジェネレータ式の中で、文字列と整数を乗算しようとしているため、 `TypeError` が発生しています。 この問題を解決するには、 `price` と `quantity` の値を取得する際に、適切に型変換を行う必要があります。以下のように修正しましょう。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(order["price"] * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` この修正では、 `order["quantity"]` の値を取得後、 `int()` 関数を使って整数に変換しています。これにより、ジェネレータ式の中で適切に乗算が行われ、エラーが解消されます。 ただし、 `quantity` の値が負の数の場合、 `int()` 関数を使用するとマイナスの符号が消えてしまいます。もし、 `quantity` が負の数であってもそのままマイナスの符…
応答時間 4.9秒出力 523 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

LLM-jp-3.1 8x13B instruct4

このTypeScript関数にはいくつかの改善点があります。以下に、可読性、パフォーマンス、ベストプラクティスを考慮したレビューと改良提案を示します。 1. ページングとリミットのロジックを修正し、APIからの全ての情報を取得した後にフィルタリングを行うことでパフォーマンスを向上させます。 2. undefinedやnullのチェックを追加し、型注釈を改善します。 3. 再帰的なアプローチを避け、イテレーティブな方法に変更して可読性を向上させます。 改良後、関数は以下のようになります。 ```typescript async function fetchAllUsers(page: number = 1): Promise<any[]> { const PER_PAGE_LIMIT = 100; const ALL_USERS: any[] = []; while (true) { const response = await fetch(`/api/users?page=${page}&limit=${PER_PAGE_LIMIT}`); if (!response.ok) { throw new Error('Failed to fetch users'); } const data = await response.json(); if (data.users.length === 0) { break; } const filteredUsers: any[] = d…
応答時間 4.5秒出力 552 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

LLM-jp-3.1 8x13B instruct4

以下のようなビジネスメールはいかがでしょうか。 --- 件名: 【重要】製品不具合に伴う納期遅延のお詫びとお願い 田中部長 いつもお世話になっております。 株式会社●●の▲▲です。 このたびは、納品予定の製品に不具合が見つかり、誠に申し訳ございません。 原因は、先日実施した品質検査において軽微な不具合が発見されたためです。 現在、鋭意対応を進めておりますが、このままのスケジュールでは十分なクオリティ担保が難しく、誠に勝手ながら納期を1週間延期させていただきたく存じます。 なお、暫定版としての製品を先に納品することも可能でございます。 このような形でもよろしいでしょうか。 今回の件でご迷惑をおかけすることとなり、重ねてお詫び申し上げます。 つきましては、改めてお詫びのご挨拶にお伺いできればと存じますが、ご都合はいかがでしょうか。 何卒ご理解賜りますようお願い申し上げます。 敬具 株式会社●● ▲▲ ---
応答時間 1.7秒出力 201 トークン

他のプロンプトでも比較する →

よくある質問

GLM 4.7とLLM-jp-3.1 8x13B instruct4、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、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなります(FastMetalの円建て単価・税別)。
GLM 4.7とLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは?
GLM 4.7は202,752トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
GLM 4.7とLLM-jp-3.1 8x13B instruct4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 "llm-jp-3.1-8x13b-instruct4" 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LLM-jp-3.1 8x13B instruct4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。

GLM 4.7の他の比較

LLM-jp-3.1 8x13B instruct4の他の比較