GLM 4.7 vs Muse Spark 1.2
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Muse Spark 1.2（Meta）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 |  Muse Spark 1.2 | |
|---|---|---|
| 提供元 | Z.ai | Meta |
| 入力（100万トークンあたり） | ¥107.22 | ¥219.9 |
| 出力（100万トークンあたり） | ¥393.14 | ¥747.65 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥594 |
| 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 | 2026/8/5 |
| 入力モダリティ | text | text, image, video, file, audio |
| アリーナ 総合 | #79 · ELO 1,442 | #4 · ELO 1,498 |
| 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 | #7 · ELO 1,533 |
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GLM 4.7。出力100万トークンあたり¥393.14で、Muse Spark 1.2より47%安くなります。
- 総合の評価はアリーナ順位でMuse Spark 1.2が上です（4位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でMuse Spark 1.2が上です（7位。GLM 4.7は87位）。
- 長い文書を扱うならMuse Spark 1.2。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
Muse Spark 1.2
このエラーの原因は `DBから取得した price が文字列型(str)になっている`ためです。
### 1. 原因
```
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
は `文字列 * 数値` の掛け算ができないというエラーです。
`quantity` は `int` なのに対し、`price` が `'1500'` のような `str` になっています。
DBの `price` カラムが `VARCHAR / TEXT` 型になっているか、MySQLなどで `DECIMAL` 型を使っていてDBドライバが文字列として返しているのが原因でよく発生します。
### 2. 修正方法
計算する前に `price` を数値型に変換する必要があります。金額の計算なので `float` ではなく `Decimal` を使うのが推奨です。
#### 修正例1: シンプルな修正
```python
from decimal import Decimal
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", (user_id,))
total = sum(Decimal(str(order["price"])) * int(order["quantity"]) for order in orders)
retur…
応答時間 14.4秒出力 1292 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
Muse Spark 1.2
この関数は動作しますが、保守性と堅牢性に大きな改善余地があります。
### 1.主な問題点まとめ
| 観点 | 問題点 |
| :--- | :--- |
| **可読性** | `any`の乱用で型の恩恵がゼロ。マジックナンバー`100`が散在。`for(let i=0...)`や`first_name + " " +`は現代的でない。`fetchAllUsers(page)`という引数が紛らわしい。 |
| **パフォーマンス** | 致命的な遅延はないが、`push`をループ内で一行ずつ行うより`filter + map`の方が最適化され可読。全体を配列に溜め込むためユーザー数が10万人規模だとメモリを圧迫。 |
| **ベストプラクティス** | エラーハンドリングが皆無。`response.ok`をチェックしていないため500エラーでも`response.json()`で例外。無限ループのリスク。`limit`の重複、API仕様変更に弱い。`fetch`が失敗した時にリトライも中断もできない。 |
### 2. 具体的な改善提案
#### A. 可読性
**1. `any`を廃止し、型を定義する**
これが最重要です。`any`を使うとTypeScriptを使う意味がありません。
**2. マジックナンバーとロジックの分離**
`100`は定数 `PAGE_LIMIT` に切り出す。ユーザーの変換処理は別関数 `toUser` に分離し単一責任にする。
**3. モダンな構文に置換**
`for(let i=0; ...)` -> `for...of`…
応答時間 23.1秒出力 2403 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
Muse Spark 1.2
取引先の部長様へのお詫びとご相談のメール文面を作成いたしました。
そのままコピーして【 】内をご変更の上ご利用ください。
---
**件名：【お詫びとご相談】「製品名」納品スケジュール延期のお願い**
株式会社〇〇
営業部 田中部長
いつも大変お世話になっております。
株式会社△△の△△でございます。
この度は、〇月〇日 納品予定の「製品名：〇〇」につきまして、誠に申し訳ございませんが、納期を1週間延期させていただきたく、ご連絡申し上げました。
直前の品質検査の工程におきまして、軽微な不具合が発見されました。
お届けする製品の品質を最優先に考え、万全な状態で納品させていただくため、修正対応にお時間を頂戴したく存じます。
つきましては、下記の通り納品スケジュールを変更させていただきたく、何卒ご理解賜りますようお願い申し上げます。
記
* 当初納期：〇月〇日（〇）
* 変更後納期：〇月〇日（〇） ※1週間延期
なお、ご迷惑を最小限に抑えるための代替案といたしまして、修正前の**暫定版を先行してご納品することも可能**でございます。
暫定版でも主要な機能は問題なくご利用いただけますので、ご希望の際はお申し付けくださいませ。
本来であれば参上して直接お詫び申し上げるべきところ、まずは略儀ながらメールにてご連絡申し上げました。
改めまして、直接お詫びに伺い、詳細についてご説明させていただく機会を頂戴できますと幸いです。
ご都合のよろしい日時がございましたら、ご教示いただけますでしょうか。
この度は、ご多用の折にご迷惑とご心配をおかけし、誠に申し訳ございませ…
応答時間 36.8秒出力 1884 トークン
よくある質問
- GLM 4.7とMuse Spark 1.2、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、Muse Spark 1.2は¥747.65で、GLM 4.7の方が安くなります（FastMetalの円建て単価・税別）。
- GLM 4.7とMuse Spark 1.2のコンテキスト長の違いは？
- GLM 4.7は202,752トークン、Muse Spark 1.2は1,048,576トークンです。
- GLM 4.7とMuse Spark 1.2、評価が高いのはどちらですか？
- 公開アリーナの順位ではMuse Spark 1.2が上です（GLM 4.7 79位、Muse Spark 1.2 4位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とMuse Spark 1.2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 "muse-spark-1.2" 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Muse Spark 1.2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。