GLM 4.7 vs MiniMax M3
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MiniMax M3（MiniMax）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 |  MiniMax M3 | |
|---|---|---|
| 提供元 | Z.ai | MiniMax |
| 入力（100万トークンあたり） | ¥107.22 | ¥53.61 |
| 出力（100万トークンあたり） | ¥393.14 | ¥214.44 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥161 |
| コンテキスト長 | 202,752 トークン | 1,048,576 トークン |
| リリース日 | 2025/12/22 | 2026/5/31 |
| 入力モダリティ | text | text, image, video |
| アリーナ 総合 | #79 · ELO 1,442 | #78 · ELO 1,442 |
| アリーナ 日本語 | 圏外 | #73 · ELO 1,402 |
| アリーナ コーディング | #87 · ELO 1,485 | #64 · ELO 1,499 |
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MiniMax M3。出力100万トークンあたり¥214.44で、GLM 4.7より45%安くなります。
- 総合の評価はアリーナ順位でMiniMax M3が上です（78位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でMiniMax M3が上です（64位。GLM 4.7は87位）。
- 長い文書を扱うならMiniMax M3。コンテキスト長は1,048,576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
MiniMax M3
# エラーの原因と修正方法
## 原因
エラー `TypeError: unsupported operand type(s) for *: 'str' and 'int'` から、`order["price"]` が **文字列（str）** として取得されていることが分かります。
データベースドライバ（psycopg2、mysql-connector など）では、**DECIMAL / NUMERIC 型**のカラムが精度保持のために文字列として返されることがよくあります。`quantity` が INT 型なので問題なく `*` 演算が成立せず、`price` 側で詰まっています。
```
order["price"] → "1980.50" (str)
order["quantity"] → 2 (int)
"1980.50" * 2 → TypeError!
```
## 修正方法
### 方法 1: `float()` で型変換する（最もシンプル）
```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…
応答時間 16.5秒出力 1335 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
MiniMax M3
# TypeScript関数のレビュー
このコードには型安全性、可読性、パフォーマンス、堅牢性の各観点で改善できる点が多くあります。以下、カテゴリ別に指摘します。
---
## 🔴 重大な問題
### 1. 型安全性の欠如
```typescript
async function fetchAllUsers(page: number = 1): Promise<any[]>
```
`any[]` はTypeScriptの利点を完全に潰しています。型を定義すべきです。
```typescript
// APIレスポンスの型
interface ApiUser {
id: number;
first_name: string;
last_name: string;
email: string;
status: 'active' | 'inactive' | 'deleted';
}
interface ApiResponse {
users: ApiUser[];
}
interface User {
id: number;
name: string;
email: string;
}
async function fetchAllUsers(page: number = 1): Promise<User[]>
```
### 2. エラーハンドリングがない
`fetch` が失敗した場合や `response.json()` が不正な形式だった場合、例外が伝播するだけで適切な処理がされません。
```typescr…
応答時間 15.0秒出力 2033 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
MiniMax M3
件名：納品スケジュールの延期に関するご連絡（〇月〇日付）
田中部長
平素より大変お世話になっております。
△△株式会社の〇〇でございます。
突然のご連絡となり、誠に申し訳ございません。
現在進めております納品予定の製品につきまして、品質検査の過程におきまして軽微な不具合が判明いたしました。
そのため、当初予定しておりました納期を【1週間】ほど延期させていただきたく、取り急ぎご連絡を差し上げた次第でございます。
貴社のご計画に多大なご迷惑をおかけすることとなり、心より深くお詫び申し上げます。
現状と致しましては、不具合箇所の修正および再検査に概ね【7営業日】を要する見込みでございます。
つきましては、以下のいずれかの対応をご検討いただけますと幸いです。
【代替案】
① 修正完了後（〇月〇日）の本納品
② 暫定版（修正前）の先行納品 ※〇月〇日納品予定
誠に恐れ入りますが、貴社のご都合やご要望をお知らせいただけますと幸甚に存じます。
可能な限りご要望に沿えるよう、社内一同で対応を検討してまいります。
また、本来であれば直接お伺いすべきところ、メールでのご連絡となりましたことを重ねてお詫び申し上げます。
近日中に改めて田中部長へご訪問させていただき、詳細のご説明と改めてのお詫びをさせていただきたく存じます。
ご都合のよろしい日時をお聞かせいただけますでしょうか。
貴社には大変なご心配とご迷惑をおかけいたしますが、何卒ご理解賜りますようお願い申し上げます。
──────────────────────────
△△株式会社 営業部
〇〇 〇〇（名前）
〒〇〇〇-〇〇…
応答時間 7.0秒出力 566 トークン
よくある質問
- GLM 4.7とMiniMax M3、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、MiniMax M3は¥214.44で、MiniMax M3の方が安くなります（FastMetalの円建て単価・税別）。
- GLM 4.7とMiniMax M3のコンテキスト長の違いは？
- GLM 4.7は202,752トークン、MiniMax M3は1,048,576トークンです。
- GLM 4.7とMiniMax M3、評価が高いのはどちらですか？
- 公開アリーナの順位ではMiniMax M3が上です（GLM 4.7 79位、MiniMax M3 73位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とMiniMax M3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 "minimax-m3" 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MiniMax M3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。