GLM 4.7 vs Qwen3.8 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Qwen3.8 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 |  Qwen3.8 Max | |
|---|---|---|
| 提供元 | Z.ai | Qwen |
| 入力（100万トークンあたり） | ¥107.22 | ¥357.4 |
| 出力（100万トークンあたり） | ¥393.14 | ¥1,072.2 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥304 | ¥894 |
| 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 | 2026/8/3 |
| 入力モダリティ | text | text, image |
| アリーナ 総合 | #79 · ELO 1,442 | #20 · ELO 1,479 |
| アリーナ 日本語 | 圏外 | #14 · ELO 1,485 |
| アリーナ コーディング | #87 · ELO 1,485 | #26 · ELO 1,520 |
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 Maxより63%安くなります。
- 総合の評価はアリーナ順位でQwen3.8 Maxが上です（20位。GLM 4.7は79位）。
- コーディングの評価はアリーナ順位でQwen3.8 Maxが上です（26位。GLM 4.7は87位）。
- 長い文書を扱うならQwen3.8 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
Qwen3.8 Max
原因は、`order["price"]` が数値ではなく文字列になっていることです。
エラー内容の
```text
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
は、次のように「文字列 × 整数」を計算しようとしたときに出ます。
```python
"1000" * 2
```
本来は数値として掛け算したいのに、DB から取得した `price` が文字列型になっているため失敗しています。
---
## 考えられる原因
例えば次のようなケースです。
1. `orders.price` カラムが `TEXT` / `VARCHAR` 型になっている
2. DB ドライバが価格を文字列として返している
3. データとして `"1000"` のように文字列保存されている
4. SQL 側で文字列として取得してしまっている
現在のコードでは、`price` が文字列のまま掛け算に使われています。
```python
total = sum(order["price"] * order["quantity"] for order in orders)
```
---
## 簡単な修正
最低限の修正としては、`price` を数値に変換します。
```python
def get_user_orders(user_id):
orders = db.query(
"SELECT price, quantity FROM orders WHERE user…
応答時間 68.2秒出力 2983 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 Max
以下は、取引先の田中部長宛に送るビジネスメール文例です。状況に応じて【 】部分を調整してください。
---
件名：納品予定製品の不具合に伴う納期変更のお願い
株式会社【取引先名】
田中部長
平素より大変お世話になっております。
株式会社【自社名】の【氏名】でございます。
このたびは、【製品名】の納品につきまして、ご連絡申し上げました。
現在、納品に向けて最終確認を進めておりましたが、社内の品質検査におきまして、軽微な不具合が発見されました。
お客様へ安心してご利用いただける品質を確保するため、修正および再確認に一定の期間を要する見込みでございます。
つきましては、大変恐縮ではございますが、現在の納品予定を1週間延期させていただきたく、お願い申し上げます。
当初の予定どおりお届けできず、田中部長をはじめ貴社の皆様にご迷惑をおかけしますこと、心よりお詫び申し上げます。
なお、もし急ぎでご確認いただく必要がある場合は、修正前の暫定版を先にお納めすることも可能です。
その場合は、正式な修正版を後日あらためて納品させていただく形となります。
ご都合に合わせて柔軟に対応いたしますので、ご希望がございましたらお知らせいただけますと幸いです。
本来であれば直接お詫び申し上げるべきところではございますが、まずはメールにてご連絡申し上げました。
後日、改めてお詫びとご説明にお伺いしたく存じますので、ご都合のよい日時をお知らせいただけますと幸いです。
このたびはご迷惑をおかけし、誠に申し訳ございません。
何卒ご容赦賜りま…
応答時間 17.1秒出力 681 トークン
文章をわかりやすく書き直す
以下の文章を、技術的な正確さを保ちつつ、より読みやすく簡潔に書き直してください。 「分散システムアーキテクチャの設計においては、CAP定理が示す通り、一貫性（Consistency）、可用性（Availability）、分断耐性（Partition Tolerance）の3つの特性のうち、ネットワーク分断が発生した際には最大で2つしか同時に満たすことができないという制約が存在するため、システムの要件に応じてCP型（一貫性と分断耐性を優…
GLM 4.7
ご提示いただいた文章を、技術的な内容を損なわずに読みやすくリライトしました。用途に合わせて2つのパターンを提案します。
**パターン1：自然で読みやすい修正版**
（文を区切り、流れをスムーズにしたバージョンです）
> 分散システムの設計において、CAP定理は一貫性、可用性、分断耐性の3つを同時に満たせない制約（特にネットワーク分断時は最大2つ）を示しています。そのため、システム要件に応じてCP型かAP型のいずれかを選択する必要があります。多くの場合は、結果整合性を採用することで、実用上十分な一貫性を保ちつつ高可用性を実現しています。
**パターン2：より簡潔な要約版**
（余分な説明を省き、要点を絞ったバージョンです）
> 分散システムの設計では、CAP定理により一貫性、可用性、分断耐性のトレードオフが生じます。ネットワーク分断時にはCP型（一貫性重視）かAP型（可用性重視）を選択しますが、一般的には結果整合性を導入し、実用的な一貫性と高可用性を両立させます。
**主な変更点：**
* **文の分割:** 1つの長い文を、意味ごとに2〜3つの文に分けました。
* **重複の削減:** 「〜という制約が存在するため」「〜設計判断が求められ」といった回りくどい表現を簡潔にしました。
* **用語の整理:** CP型・AP型の説明を（ ）内で短くまとめ、文のリズムを改善しました。
応答時間 69.1秒出力 2467 トークン
Qwen3.8 Max
分散システムの設計では、CAP定理により、ネットワーク分断時には一貫性（Consistency）と可用性（Availability）の両立が難しくなります。そのため、一貫性と分断耐性を重視するCP型、あるいは可用性と分断耐性を重視するAP型のいずれを選ぶかが重要な設計判断になります。多くのシステムでは、結果整合性（Eventual Consistency）を採用し、実用上十分な一貫性を保ちながら高可用性を実現しています。
応答時間 9.7秒出力 317 トークン
よくある質問
- GLM 4.7とQwen3.8 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、Qwen3.8 Maxは¥1,072.2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 Maxのコンテキスト長の違いは？
- GLM 4.7は202,752トークン、Qwen3.8 Maxは1,000,000トークンです。
- GLM 4.7とQwen3.8 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Qwen3.8 Maxが上です（GLM 4.7 79位、Qwen3.8 Max 14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 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 "qwen3.8-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Qwen3.8 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。