FastMetal

モデル比范

GLM 4.7 vs Muse Spark 1.3

料金・コンテキスト長・実際の回答で比范2026幎10月時点

GLM 4.7Z.aiずMuse Spark 1.3Metaを、FastMetalのゲヌトりェむで実際に呌び出せる条件で比范したす。どちらも同じOpenAI互換゚ンドポむントずAPIキヌから利甚でき、切り替えは model の文字列を倉えるだけです。

スペックず料金

z-ai logoGLM 4.7meta logoMuse Spark 1.3
提䟛元Z.aiMeta
入力100䞇トヌクンあたり¥67.2Â¥219.9
出力100䞇トヌクンあたり¥294Â¥747.65
想定コスト入力1,000・出力500トヌクン × 1,000回¥214Â¥594
コンテキスト長202,752 トヌクン1,048,576 トヌクン
リリヌス日2025/12/222026/9/2
入力モダリティtexttext, image, video, file, audio
生成速床 (p50)——
アリヌナ 総合#95 · ELO 1,441#10 · ELO 1,496
アリヌナ 日本語#50 · ELO 1,440#24 · ELO 1,476
アリヌナ コヌディング#107 · ELO 1,484#15 · ELO 1,536

料金はFastMetalの単䟡皎別です。

順䜍デヌタ: LMArena leaderboard datasetlmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-22時点。カテゎリ名の察応付けずスコアの䞞めはFastMetalによる。

どちらを遞ぶべきか

  • 料金重芖ならGLM 4.7。出力100䞇トヌクンあたり¥294で、Muse Spark 1.3より61%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でMuse Spark 1.3が䞊です10䜍。GLM 4.7は95䜍。
  • 日本語の評䟡はアリヌナ順䜍でMuse Spark 1.3が䞊です24䜍。GLM 4.7は50䜍。
  • コヌディングの評䟡はアリヌナ順䜍でMuse Spark 1.3が䞊です15䜍。GLM 4.7は107䜍。
  • 長い文曞を扱うならMuse Spark 1.3。コンテキスト長は1,048,576トヌクンで、GLM 4.7の202,752トヌクンより広くずれたす。
  • 迷ったら䞡方を同じキヌで詊せたす。model の文字列を倉えるだけで切り替わり、料金はそれぞれの単䟡で埓量課金されたす。

同じプロンプトぞの実際の回答

FastMetalのゲヌトりェむが返した回答をそのたた䞊べおいたす。ベンチマヌクの数字ではなく、実際の出力です。

この゚ラヌをデバッグしお

以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 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 この゚ラヌは、デヌタベヌスから取埗した倀のデヌタ型が原因です。 `order["price"]`たたは `order["quantity"]`が**文字列 (`str`)** 型ずしお返っおきおいるのに、コヌド内で数倀蚈算掛け算をしようずしおいるため発生しおいたす。 Pythonでは、文字列ず敎数を盎接掛け合わせるこずはできたせん数倀ぞの倉換が必芁です。 倚くのデヌタベヌスラむブラリ特に暙準的なものは、カラムの型に関係なく、結果をデフォルトで文字列ずしお返すこずがありたす。 ### 修正方法 蚈算を行う前に、文字列を数倀型`float` たたは `int`に明瀺的に倉換キャストする必芁がありたす。 通垞、䟡栌は小数点を含むこずが倚いため `float`、数量は `int` で倉換したす。 #### 修正埌のコヌド ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # 文字列を数倀に倉換しおから蚈算したす 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 トヌクン

Muse Spark 1.3

原因は `price` が**文字列 `str`型**で返っおきおいるこずです。 `quantity` は `int` なのに、`price` は `"1200"` のような文字列になっおいるため、数倀同士の掛け算ができずに ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` になっおいたす。 これはよくあるパタヌンで、DBのドラむバが `DECIMAL / NUMERIC` 型を `str` や `Decimal` で返したり、カラム自䜓が `VARCHAR` だったりするのが原因です。 ### 修正方法 掛け算する前に数倀に倉換しおください。金額蚈算なので `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) ``` **修正埌:** ```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 トヌクン

コヌドレビュヌ

以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo


GLM 4.7

ご提瀺いただいたTypeScript関数をレビュヌしたした。 動䜜はしたすが、型安党性、゚ラヌハンドリング、可読性の芳点でいく぀か改善できる点がありたす。 以䞋に䞻芁な改善点を挙げ、最埌にリファクタリング埌のコヌドを提瀺したす。 ### 䞻な改善点 #### 1. 型安党性の向䞊 (`any` の排陀) 珟圚、戻り倀の型が `Promise<any[]>` ずなっおおり、関数の利甚者は戻り倀の構造`id`, `name`, `email`を型情報ずしお埗られたせん。たた、`data` も `any` ずしお扱われおいたす。 * **改善:** APIのレスポンス型ず、返华するナヌザヌ型を `interface` で定矩したす。 #### 2. ゚ラヌハンドリングの匷化 `fetch` はネットワヌク゚ラヌ以倖404, 500などでは䟋倖を投げず、レスポンスを返したす。たた、`response.json()` のパヌスに倱敗した堎合の考慮もありたせん。 * **改善:** `response.ok` をチェックし、HTTP゚ラヌの堎合は䟋倖を投げるようにしたす。たた、`try-catch` で通信゚ラヌを捕捉したす。 #### 3. 可読性ずモダンなJS/TS構文の䜿甚 * **文字列結合:** `"first_name" + " " + "last_name"` は、テンプレヌトリテラル `` `${first_name} ${last_name}` `` の方が簡朔で読みやすいです。 * **ルヌプ凊理:** `for` ルヌプ内で `if`

応答時間 89.4秒出力 3915 トヌクン

Muse Spark 1.3

この関数は動きたすが、実務レベルで芋るず改善点がかなりありたす。可読性・パフォヌマンス・ベストプラクティスの3芳点で敎理したす。 ### 総評 䞀番の問題は3぀です 1. `any` で型安党性がれロ 2. ゚ラヌハンドリングがれロ1回倱敗したら党滅、無限ルヌプの可胜性あり 3. ペヌゞ取埗が完党逐次で遅い ### 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蚀語颚の `for(i=0...)` はTSではほが䞍芁。`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、タむプミスの枩床 * `let user` は再代入しないので `const` * `" " +` よりテンプレヌトリテラル * `currentPage = currentPage + 1` → `currentPage++` * `hasMore` フラグ管理が冗長 * マゞックナンバヌ `100` ずマゞック文字列 `"

応答時間 28.3秒出力 2723 トヌクン

ビゞネスメヌル䜜成

取匕先の田䞭郚長に、玍品予定の補品に䞍具合が芋぀かり、玍期を1週間延期する必芁がある旚を䌝えるビゞネスメヌルを䜜成しおください。 条件 - 原因は品質怜査で軜埮な䞍具合が発芋されたため - 代替案ずしお暫定版を先に玍品するこずも可胜 - 改めおお詫びの蚪問をしたい - 日本のビゞネスマナヌに沿った䞁寧な文面にするこず

GLM 4.7

ご提瀺いただいた条件に基づき、田䞭郚長ぞのビゞネスメヌルを䜜成したした。 状況に合わせお、[ ] の郚分を曞き換えおご䜿甚ください。 *** **件名【重芁】補品「[補品名]」の玍期遅延に関するお詫びずお願い** **本文** [取匕先䌚瀟名] 田侭 郚長 い぀も倧倉お䞖話になっおおりたす。 [自瀟名]の[あなたの名前]です。 さお、このたび玍品を予定しおおりたした補品「[補品名]」に぀きたしお、誠に恐瞮ながら玍期を延期させおいただきたくご連絡いたしたした。 事情ずしたしおは、出荷前の最終品質怜査においお、軜埮な䞍具合が発芋されたためです。 匊瀟ずいたしたしおは、お客様に安心しおご䜿甚いただけるよう、品質の完璧を期すべきず刀断し、珟圚修正䜜業を行っおおりたす。 ぀きたしおは、誠に勝手ながら、圓初の玍期より1週間遅れ、**[新しい玍期日]** に玍品させおいただきたく存じたす。 田䞭郚長におかれたしおは、急な蚈画倉曎ずなり倚倧なるご迷惑ずご心配をおかけしたすこずを、深くお詫び申し䞊げたす。 なお、もしご予定の郜合䞊、どうしおも圓初の玍期に補品が必芁でございたしたら、䞍具合箇所を回避しお䜿甚いただける「暫定版」を先に玍品するこずも可胜でございたす。お急ぎの堎合は、暫定版にお先行手配させおいただきたすので、ご怜蚎いただけたすでしょうか。 この床は、信頌に応えるこずができず誠に申し蚳ございたせん。 埌日、改めお盎接お詫びに䌺いたいず考えおおりたす。翌週以降で、田䞭郚長のご郜合いかがでしょうか。 急なご連絡ずなり恐瞮ではございたすが、ご確認のほど䜕卒よろしくお 
応答時間 67.5秒出力 1930 トヌクン

Muse Spark 1.3

以䞋のような文面はいかがでしょうか。○の郚分は実際の内容に曞き換えおお䜿いください。 --- **件名【お詫びずお願い】玍品予定の件に぀いお玍期延期のご盞談** 株匏䌚瀟○○ 田侭 郚長 様 い぀も倧倉お䞖話になっおおりたす。 株匏䌚瀟△△、営業郚の[山田]でございたす。 さお、来週○月○日に玍品を予定しおおりたした補品「○○○」に぀きたしお、誠に申し蚳ございたせんが、玍期を1週間延期させおいただきたく、ご連絡申し䞊げたした。 原因に぀きたしおは、出荷前の最終品質怜査においお、軜埮な䞍具合が発芋されたためでございたす。 お客様に䞇党な品質でお届けするため、至急修正・再怜査を行っおおり、改めお○月○日たでには確実に玍品できる芋蟌みでございたす。 【倉曎前】○月○日○玍品予定 【倉曎埌】○月○日○玍品予定 本来であれば予定通りに玍品すべきずころ、このようなご迷惑をおかけし、誠に申し蚳ございたせん。心よりお詫び申し䞊げたす。 なお、ご迷惑を最小限に抑えるため、ご垌望がございたしたら、修正前の暫定版を先行しお玍品するこずも可胜でございたす。 ご業務ぞの圱響を螏たえ、ご指瀺をいただけたすず幞いでございたす。 ぀きたしおは、改めお盎接お詫びずご説明に䌺いたく存じたす。 ご郜合のよろしい日時を2〜3候補ほどお聞かせいただけたすでしょうか。 たずは曞面におお詫び申し䞊げたす。 䜕卒ご理解、ご容赊を賜りたすよう、よろしくお願い申し䞊げたす。 ----------------------------------- 株匏䌚瀟△△ 営業郚 山田 倪郎 TEL03

応答時間 29.9秒出力 1674 トヌクン

他のプロンプトでも比范する →

よくある質問

GLM 4.7ずMuse Spark 1.3、料金はどちらが安いですか
出力100䞇トヌクンあたりGLM 4.7は¥294、Muse Spark 1.3は¥747.65で、GLM 4.7の方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 4.7ずMuse Spark 1.3のコンテキスト長の違いは
GLM 4.7は202,752トヌクン、Muse Spark 1.3は1,048,576トヌクンです。
GLM 4.7ずMuse Spark 1.3、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではMuse Spark 1.3が䞊ですGLM 4.7 50䜍、Muse Spark 1.3 24䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 4.7ずMuse Spark 1.3を同じAPIキヌで䜿えたすか
はい。FastMetalのOpenAI互換゚ンドポむントで、model に "glm-4.7" たたは "muse-spark-1.3" を指定するだけで切り替えられたす。料金はそれぞれの単䟡で、同じ前払い残高から埓量課金されたす。

どちらも同じAPIキヌで詊せたす

アカりントを䜜成しおクレゞットを远加すれば、GLM 4.7ずMuse Spark 1.3をブラりザのチャットずAPIの䞡方から呌び出せたす。月額料金はありたせん。

無料でアカりント䜜成GLM 4.7をチャットで詊すMuse Spark 1.3をチャットで詊す

GLM 4.7の他の比范

Muse Spark 1.3の他の比范