モデル比較

GLM 4.7 vs Muse Spark 1.3

料金・コンテキスト長・実際の回答で比較(2026年9月時点)

GLM 4.7(Z.ai)とMuse Spark 1.3(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

z-ai logoGLM 4.7meta logoMuse Spark 1.3
提供元Z.aiMeta
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2025/12/222026/9/2
入力モダリティtexttext, image, video, file, audio
アリーナ 総合#81 · 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#89 · 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GLM 4.7。出力100万トークンあたり¥393.14で、Muse Spark 1.3より47%安くなります。
  • 長い文書を扱うならMuse Spark 1.3。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 1.3

原因は `price` が**文字列 `str`型**で返ってきていることです。 `quantity` は `int` なのに、`price` は `"1200"` のような文字列になっているため、数値同士の掛け算ができずに: ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` になっています。 これはよくあるパターンで、DBのドライバが `DECIMAL / NUMERIC` 型を `str` や `Decimal` で返したり、カラム自体が `VARCHAR` だったりするのが原因です。 ### 修正方法 掛け算する前に数値に変換してください。金額計算なので `float` より `Decimal` がおすすめです。 **修正前:** ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` **修正後:** ```python from decimal import Decimal, InvalidOperation def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", (user_id,)) total = Decimal("0") for order in orders:…
応答時間 29.8秒出力 3100 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 1.3

この関数は動きますが、実務レベルで見ると改善点がかなりあります。可読性・パフォーマンス・ベストプラクティスの3観点で整理します。 ### 総評 一番の問題は3つです: 1. `any` で型安全性がゼロ 2. エラーハンドリングがゼロ(1回失敗したら全滅、無限ループの可能性あり) 3. ページ取得が完全逐次で遅い ### 1. 可読性の問題 **Beforeの問題点:** ```ts for (let i = 0; i < data.users.length; i++) { if (data.users[i].status !== "deleted") { let user = { id: data.users[i].id, name: data.users[i].first_name + " " + data.users[i].last_name, // ... }; ``` * C言語風の `for(i=0...)` はTSではほぼ不要。`for...of` / `filter` + `map` の方が意図が明確 * `data.users[i]` の繰り返しアクセスは読みにくいし、タイプミスの温床 * `let user` は再代入しないので `const` * `" " +` よりテンプレートリテラル * `currentPage = currentPage + 1` → `currentPage++` * `hasMore` フラグ管理が冗長 * マジックナンバー `100` とマジック文字列 `"…
応答時間 28.3秒出力 2723 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 1.3

以下のような文面はいかがでしょうか。○の部分は実際の内容に書き換えてお使いください。 --- **件名:【お詫びとお願い】納品予定の件について(納期延期のご相談)** 株式会社○○ 田中 部長 様 いつも大変お世話になっております。 株式会社△△、営業部の[山田]でございます。 さて、来週○月○日に納品を予定しておりました製品「○○○」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。 原因につきましては、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ございます。 お客様に万全な品質でお届けするため、至急修正・再検査を行っており、改めて○月○日までには確実に納品できる見込みでございます。 【変更前】○月○日(○)納品予定 【変更後】○月○日(○)納品予定 本来であれば予定通りに納品すべきところ、このようなご迷惑をおかけし、誠に申し訳ございません。心よりお詫び申し上げます。 なお、ご迷惑を最小限に抑えるため、ご希望がございましたら、修正前の暫定版を先行して納品することも可能でございます。 ご業務への影響を踏まえ、ご指示をいただけますと幸いでございます。 つきましては、改めて直接お詫びとご説明に伺いたく存じます。 ご都合のよろしい日時を2〜3候補ほどお聞かせいただけますでしょうか。 まずは書面にてお詫び申し上げます。 何卒ご理解、ご容赦を賜りますよう、よろしくお願い申し上げます。 ----------------------------------- 株式会社△△ 営業部 山田 太郎 TEL:03…
応答時間 29.9秒出力 1674 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Muse Spark 1.3、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 1.3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 1.3のコンテキスト長の違いは?
GLM 4.7は202,752トークン、Muse Spark 1.3は1,048,576トークンです。
GLM 4.7とMuse Spark 1.3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-1.3" 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追加すれば、GLM 4.7とMuse Spark 1.3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

Muse Spark 1.3の他の比較