GLM 4.7 vs Qwen3.7 Max
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Qwen3.7 Max（Qwen）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 |  Qwen3.7 Max | |
|---|---|---|
| 提供元 | Z.ai | Qwen |
| 入力（100万トークンあたり） | ¥107.22 | ¥263.58 |
| 出力（100万トークンあたり） | ¥393.14 | ¥790.75 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥659 |
| コンテキスト長 | 202,752 トークン | 1,000,000 トークン |
| リリース日 | 2025/12/22 | 2026/5/21 |
| 入力モダリティ | text | text |
| アリーナ 総合 | #79 · ELO 1,442 | #27 · ELO 1,474 |
| 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 | #18 · ELO 1,525 |
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、Qwen3.7 Maxより50%安くなります。
- 総合の評価はアリーナ順位でQwen3.7 Maxが上です（27位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でQwen3.7 Maxが上です（18位。GLM 4.7は87位）。
- 長い文書を扱うならQwen3.7 Max。コンテキスト長は1,000,000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
Qwen3.7 Max
### 結論：エラーの原因
このエラーの原因は、**データベースから取得した `order["price"]`（または `order["quantity"]`）が数値型（`int` や `float`）ではなく、文字列型（`str`）として返ってきている**ことです。
Pythonでは本来 `"100" * 2` のような「文字列 × 整数」の演算は `"100100"` という文字列の繰り返しとして処理されますが、フレームワークやORMの内部処理、あるいは実際には `float` と `str` の演算であった場合などに `TypeError` として数学的な乗算エラーが送出されます。
いずれにせよ、**「数値計算をしたいのに、データが文字列になっている」** ことが根本原因です。これは、データベース側の `price` カラムが `VARCHAR` や `TEXT` 型で定義されている場合によく起こります。
---
### 修正方法
アプローチは3つあります。状況に合わせて選択してください。
#### 1. Python側で型変換する（即効性のある修正）
コード上で明示的に数値（`float` または `int`）にキャストします。価格には小数が含まれる可能性があるため、`float()` を使うのが安全です。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id…
応答時間 59.2秒出力 3324 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
Qwen3.7 Max
ご提示いただいたコードは、ページネーションの処理やデータの整形など、基本的なロジックは正しく実装されています。
しかし、**TypeScriptの型安全性、エラーハンドリング、可読性、そして大規模データ時のパフォーマンス（メモリ消費）** の観点から、いくつか重要な改善点があります。
以下にレビュー結果と、改善後のコードを提案します。
---
### 🔍 レビューポイント
#### 1. 型安全性 (TypeScriptベストプラクティス)
* **`any` の多用:** `Promise<any[]>` や `data` が `any` になっているため、TypeScriptの恩恵（補完やコンパイル時のエラー検知）が得られていません。APIレスポンスと返却用のインターフェースを定義すべきです。
* **プロパティアクセスの危険性:** `data.users` が存在しない（または `null` / `undefined`）場合にランタイムエラー（`TypeError`）が発生するリスクがあります。
#### 2. エラーハンドリングと堅牢性
* **HTTPステータスコードの未確認:** `fetch` はネットワークエラー（オフライン等）以外ではエラーを投げません（404や500でも成功とみなされます）。`response.ok` のチェックが必須です。
* **無限ループのリスク:** サーバー側のバグで常に100件返却され続けた場合、無限ループに陥ります。セーフティネット（最大ページ数や総件数のチェック）があると安心です。
#### 3. 可読性
*…
応答時間 73.1秒出力 3915 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
Qwen3.7 Max
件名：【重要・お詫び】「（製品名）」の納期変更に関するご連絡
〇〇株式会社
〇〇部 部長
田中 〇〇 様
いつも大変お世話になっております。
株式会社〇〇の（自分の氏名）でございます。
本日は、現在製作を進めております「（製品名）」につきまして、
納期に関する重要なお詫びとご相談があり、ご連絡いたしました。
誠に恐縮ながら、当初予定しておりました納品日を、
以下の通り1週間延期させていただきたく存じます。
■当初納品予定：202X年〇月〇日（〇）
■変更後納品予定：202X年〇月〇日（〇）
【延期の理由】
社内の最終品質検査におきまして、機能面には影響のない軽微な不具合（※例：外観の微細な傷、塗装のムラなど）が判明いたしました。
貴社へ納品するものとして、万全の品質でお届けすべきとの判断から、修正および再検査の時間を頂戴したく存じます。
【代替案のご提案】
もし貴社側のスケジュール上、当初の期日に製品が必要である場合は、
機能・性能面に問題のない「暫定版」を先にお納めすることも可能です。
※正式な製品への交換は、修正完了後（変更後納品予定日）に行わせていただきます。
暫定版のご入用につきまして、ご意向をお伺いできますと幸いです。
本来であれば、すぐにでもお伺いして直接お詫びすべきところではございますが、
まずはメールにてご報告とご相談を申し上げました。
別途、改めてお詫びに伺いたく存じますので、
田中部長のご都合いかがでしょうか。
（来週〇曜日以降で、ご都合の良いお時間をいただけますと幸いです）
多大なるご迷惑とご心配をおかけしますこと、深くお詫び申し上げ…
応答時間 35.1秒出力 1934 トークン
よくある質問
- GLM 4.7とQwen3.7 Max、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、Qwen3.7 Maxは¥790.75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Qwen3.7 Maxのコンテキスト長の違いは？
- GLM 4.7は202,752トークン、Qwen3.7 Maxは1,000,000トークンです。
- GLM 4.7とQwen3.7 Max、評価が高いのはどちらですか？
- 公開アリーナの順位ではQwen3.7 Maxが上です（GLM 4.7 79位、Qwen3.7 Max 27位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とQwen3.7 Max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 "qwen3.7-max" 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Qwen3.7 Max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。