GLM 4.7 vs Qwen3.8 27B
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Qwen3.8 27B（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 |  Qwen3.8 27B | |
|---|---|---|
| 提供元 | Z.ai | Qwen |
| 入力（100万トークンあたり） | ¥107.22 | ¥80.41 |
| 出力（100万トークンあたり） | ¥393.14 | ¥571.84 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥366 |
| 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 | 2026/8/14 |
| 入力モダリティ | text | text, image, video |
| アリーナ 総合 | #79 · ELO 1,442 | #87 · ELO 1,436 |
| 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 | #67 · ELO 1,498 |
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、Qwen3.8 27Bより31%安くなります。
- 総合の評価はアリーナ順位でGLM 4.7が上です（79位。Qwen3.8 27Bは87位）。
- コーディングの評価はアリーナ順位でQwen3.8 27Bが上です（67位。GLM 4.7は87位）。
- 長い文書を扱うならQwen3.8 27B。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
Qwen3.8 27B
## 原因
エラーの内容は以下です。
```text
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
これは、Pythonの`*`演算子で **文字列`str`** と **整数`int`** を掛けようとしているために起きます。
該当箇所はこれです。
```python
total = sum(order["price"] * order["quantity"] for order in orders)
```
エラーの型表示が `'str' and 'int'` になっているため、まず考えられるのは：
```python
order["price"] が文字列
order["quantity"] が整数
```
ということになります。
つまり、DBから取得した `price` が数値ではなく文字列として返ってきている可能性があります。
例えば：
```python
order["price"] == "10.50"
order["quantity"] == 2
```
この場合：
```python
"10.50" * 2
```
となり、Pythonではエラーになります。
---
## 修正方法
計算前に `price` を数値型に変換してください。
金額の計算には `float` よりも `decimal.Decimal` を使うことをおすすめします。
### 修正例
```python
from decimal import Decimal…
応答時間 43.4秒出力 2428 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
Qwen3.8 27B
以下、指定された `fetchAllUsers` 関数について、**可読性・パフォーマンス・ベストプラクティス・堅牢性**の観点から改善点を整理します。最後に改善版コード例も提示します。
---
## 1. 型安全性の欠如
### 問題点
- 戻り値が `Promise<any[]>` になっており、呼び出し側で型を信頼できません。
- `response.json()` の結果 `data` も `any` 扱いになっており、APIのスキーマが型で表現されていません。
- `data.users` が `undefined` / `null` / 配列でない場合の防御がありません。
- `first_name` / `last_name` が `null` だと `undefined undefined` のような文字列になる可能性があります。
### 改善案
- `RawUser`（APIレスポンス型）と `User`（表示用型）を分離し、型を定義する。
- `any` を避け、`unknown` を使い `typeof` / `Array.isArray` で検証する。
- 戻り値は `Promise<User[]>` にする。
```typescript
interface RawUser {
id: string | number;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersResponse {
use…
応答時間 83.7秒出力 5240 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
Qwen3.8 27B
以下のように作成いたしました。
---
**件名：** 納品予定の製品に関する納期変更のご相談（お詫び）
田中部長
いつもお世話になっております。
株式会社〇〇 営業部の△△です。
突然のご連絡にて恐れ入りますが、〇月〇日にご納品予定の「〇〇製品」について、品質検査の結果、軽微な不具合が見受けられたため、ご納品前により確実な確認・修正作業をさせていただくことになりました。
つきましては、誠に恐れ入りますが、納期を1週間延期させていただきたく、ご連絡をいたしました。
本事象は軽微なものでございますが、貴社にご迷惑をおかけすることとなり、大変心苦しく存じます。品質基準を厳格に運用した結果、ご納品前の段階で発見できたこと、また安全・ご使用上の重大な支障には至らない見込みであることを申し添えます。
なお、代替案として、現時点で動作に支障のない範囲の暫定版を先に納品することも可能です。本製品が貴社のご業務上不可欠である場合は、暫定版のご納品と、修正済み製品のご納品を分けて対応させていただくことも検討しております。
ご意向、あるいはご都合をいただけますと幸いです。
また、改めて代表が、お詫びおよびご説明のため、貴社へご挨拶に伺わせていただきたく存じます。
ご多忙のところ大変恐縮ですが、〇月日〜〇月〇日のいずれかの時間帯、または田中部長にご都合のよい日をご教示いただけますと幸いです。
急なご相談となり、大変申し訳ございません。
何卒事情をご賢察のうえ、ご検討・ご返答いただけますようお願い申し上げます。
---
株式会社〇〇
営業部 △△
TEL…
応答時間 21.5秒出力 1144 トークン
よくある質問
- GLM 4.7とQwen3.8 27B、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、Qwen3.8 27Bは¥571.84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Qwen3.8 27Bのコンテキスト長の違いは？
- GLM 4.7は202,752トークン、Qwen3.8 27Bは1,000,000トークンです。
- GLM 4.7とQwen3.8 27B、評価が高いのはどちらですか？
- 公開アリーナの順位ではGLM 4.7が上です（GLM 4.7 79位、Qwen3.8 27B 87位）。順位はリーダーボードの更新で変わります。
- GLM 4.7とQwen3.8 27B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 "qwen3.8-27b" 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Qwen3.8 27B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。