GLM 4.7 vs MiMo-V2.5-Pro
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MiMo-V2.5-Pro（Xiaomi）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 | MiMo-V2.5-Pro | |
|---|---|---|
| 提供元 | Z.ai | Xiaomi |
| 入力（100万トークンあたり） | ¥107.22 | ¥77.73 |
| 出力（100万トークンあたり） | ¥393.14 | ¥155.47 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥155 |
| コンテキスト長 | 202,752 トークン | 1,050,000 トークン |
| リリース日 | 2025/12/22 | 2026/4/22 |
| 入力モダリティ | text | text |
| アリーナ 総合 | #79 · ELO 1,442 | #40 · ELO 1,468 |
| アリーナ 日本語 | 圏外 | #61 · ELO 1,418 |
| アリーナ コーディング | #87 · ELO 1,485 | #27 · ELO 1,520 |
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MiMo-V2.5-Pro。出力100万トークンあたり¥155.47で、GLM 4.7より60%安くなります。
- 総合の評価はアリーナ順位でMiMo-V2.5-Proが上です（40位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でMiMo-V2.5-Proが上です（27位。GLM 4.7は87位）。
- 長い文書を扱うならMiMo-V2.5-Pro。コンテキスト長は1,050,000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
MiMo-V2.5-Pro
## 原因
データベースから取得した `price` が **文字列（str）** として返されています。
データベースドライバによっては、数値カラムの値も数字の文字列（例: `"1500"`）として返す場合があります。その状態で `"1500" * 2` のような乗算をすると、Python は **文字列の繰り返し** ではなく **str × int の型エラー** になります。
```
order["price"] → "1500" (str) ← ここが問題
order["quantity"] → 2 (int)
"1500" * 2 → TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
## 修正方法
`float()`（または `Decimal`）で明示的に数値変換します。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
total = sum(float(order["price"]) * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total": total, "orders": orders}
```
### 金額を…
応答時間 14.6秒出力 667 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
MiMo-V2.5-Pro
# TypeScript関数レビュー：`fetchAllUsers`
## 問題点のサマリ
| カテゴリ | 問題 | 重要度 |
|---------|------|--------|
| 型安全性 | `any` の多用 | 🔴 高 |
| エラー処理 | `response.ok` チェックなし・try/catch なし | 🔴 高 |
| 可読性 | for ループ内の処理が冗長 | 🟡 中 |
| ベストプラクティス | `const` と `let` の使い分け | 🟡 中 |
| 保守性 | マジックナンバー `100` のハードコード | 🟡 中 |
| 型安全性 | APIレスポンスの型定義なし | 🟡 中 |
---
## 改善版コード
```typescript
// ========== 型定義 ==========
/** APIレスポンスの1件分のユーザー（snake_case） */
interface ApiUser {
id: number;
first_name: string;
last_name: string;
email: string;
status: "active" | "inactive" | "deleted";
}
/** APIレスポンス全体 */
interface ApiResponse {
users: ApiUser[];
}
/** アプリケーション内で使うユーザー型（camelCase） */
interface User {
id: number;…
応答時間 42.6秒出力 2183 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
MiMo-V2.5-Pro
# 納期延期のご連絡（ビジネスメール）
---
**件名：納品延期のお詫びとご相談（株式会社○○○○ ご担当：田中部長）**
---
田中部長
いつも大変お世話になっております。
株式会社△△△△ 営業部の○○でございます。
平素より格別のご高配を賜り、厚く御礼申し上げます。
さて、この度は弊社よりご納品予定であった製品につきまして、
誠に申し訳ございませんが、ご連絡させていただく次第でございます。
納品に先立ちまして弊社にて最終品質検査を実施いたしましたところ、
**一部の製品に軽微な不具合が見つかりました。**
つきましては、お客様にご満足いただける品質の製品をお届けするため、
再検査および修正作業を行わせていただく必要が生じました。
その結果、**納品予定日より1週間後の○月○日（○曜日）** に
納品させていただく運びとなりました。
納期の変更により、貴社のご計画に多大なるご迷惑をおかけいたしますこと、
心よりお詫び申し上げます。
---
**【代替案のご提案】**
なお、ご納入が遅れることで貴社のご業務に支障をきたすことを懸念いたしております。
つきましては、下記の代替案をあわせてご提案させていただければと存じます。
> **暫定的に不具合のない製品を先行してお届けし、修正完了後に残余の製品を
> 追加納品する**という方法がございます。
貴社のご事情に応じて、最善の方法をご検討いただけますと幸いです。
---
**【お詫びのご訪問について】**
このたびの不始末につきましては、メールのみのご連絡では誠に恐縮至極にございます。
つき…
応答時間 26.3秒出力 926 トークン
よくある質問
- GLM 4.7とMiMo-V2.5-Pro、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、MiMo-V2.5-Proは¥155.47で、MiMo-V2.5-Proの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 4.7とMiMo-V2.5-Proのコンテキスト長の違いは？
- GLM 4.7は202,752トークン、MiMo-V2.5-Proは1,050,000トークンです。
- GLM 4.7とMiMo-V2.5-Pro、評価が高いのはどちらですか？
- 公開アリーナの順位ではMiMo-V2.5-Proが上です（GLM 4.7 79位、MiMo-V2.5-Pro 61位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とMiMo-V2.5-Pro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 "mimo-v2.5-pro" 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MiMo-V2.5-Pro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。