GLM 5.1 vs GPT-5.4 Nano
料金・コンテキスト長・実際の回答で比較（2026年9月時点）
GLM 5.1（Z.ai）とGPT-5.4 Nano（OpenAI）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 5.1 |  GPT-5.4 Nano | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥250.18 | ¥35.74 |
| 出力（100万トークンあたり） | ¥786.28 | ¥223.38 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥643 | ¥147 |
| コンテキスト長 | 204,800 トークン | 400,000 トークン |
| リリース日 | 2026/4/7 | 2026/3/17 |
| 入力モダリティ | text | file, image, text |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #47 · ELO 1,466 | #146 · ELO 1,402 |
| アリーナ 日本語 | #46 · ELO 1,434 | #107 · ELO 1,368 |
| アリーナ コーディング | #45 · ELO 1,513 | #128 · ELO 1,460 |
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GPT-5.4 Nano。出力100万トークンあたり¥223.38で、GLM 5.1より72%安くなります。
- 総合の評価はアリーナ順位でGLM 5.1が上です（47位。GPT-5.4 Nanoは146位）。
- 日本語の評価はアリーナ順位でGLM 5.1が上です（46位。GPT-5.4 Nanoは107位）。
- コーディングの評価はアリーナ順位でGLM 5.1が上です（45位。GPT-5.4 Nanoは128位）。
- 長い文書を扱うならGPT-5.4 Nano。コンテキスト長は400,000トークンで、GLM 5.1の204,800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 5.1
## 原因
エラーメッセージ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型と整数型は掛け算（`*`）できない」というエラーです。
該当コードの以下の部分で、`order["price"]` または `order["quantity"]` のいずれか（または両方）が文字列型として渡されていることが原因です。
```python
total = sum(order["price"] * order["quantity"] for order in orders)
```
データベースからデータを取得する際、カラムの型が数値（INTやDECIMALなど）であっても、使用しているDBドライバ（MySQLdbやpsycopg2など）の設定や、DB側のカラムの定義によっては、Python側で文字列として取得されることがよくあります。
## 修正方法
計算を行う前に、`order["price"]` と `order["quantity"]` を適切な数値型（`float` や `int`）に変換（キャスト）してから計算するように修正します。
### 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)
# priceは小数の可能性があるためflo…
応答時間 14.6秒出力 1620 トークン
GPT-5.4 Nano
原因は **`price` が文字列（str）として返ってきているのに、`quantity` は整数（int）として計算している**ためです。
その結果、ジェネレータ内の `order["price"] * order["quantity"]` で
- `order["price"]` = `"1234"` のような **str**
- `order["quantity"]` = `2` のような **int**
となり、`'str' * 2` のような乗算ができずに `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生しています。
---
## 修正方法（2通り）
### 1) Python側で型変換する（まずはこれが簡単）
`price` と `quantity` を数値に変換してから計算します。
```python
def get_user_orders(user_id):
orders = db.query(
"SELECT price, quantity FROM orders WHERE user_id = %s",
user_id
)
total = sum(
float(order["price"]) * int(order["quantity"])
for order in orders
)
return {"user_id": user_id, "tota…
応答時間 5.5秒出力 642 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 5.1
ご提示いただいた `fetchAllUsers` 関数を、可読性・パフォーマンス・ベストプラクティスの観点からレビューいたします。
全体的なロジックはシンプルで理解しやすいですが、TypeScriptの型安全性やエラーハンドリング、メモリ効率などの面でいくつか改善の余地があります。
---
### 1. 型安全性（ベストプラクティス）
**問題点:** `any[]` や暗黙の `any` 型が使われており、TypeScriptの利点（型による安全性やエディタの補完）が活かされていません。
**改善案:** APIのレスポンスと、関数の返り値に対して明示的な `interface` または `type` を定義します。
### 2. エラーハンドリング（ベストプラクティス）
**問題点:** `fetch` や `response.json()` が失敗した場合の考慮がありません。ネットワークエラーやAPI側のエラー（4xx, 5xx）が発生した際、意図しない挙動や謎のエラーに繋がります。
**改善案:** `response.ok` をチェックし、エラーの場合は適切に例外をスローするか、ハンドリングを行います。
### 3. 可読性の向上（可読性）
**問題点:**
* `for (let i = 0; i < data.users.length; i++)` という古典的なル3項演算子のループは、インデックスアクセスが多く可読性が低いです。
* `let user` と宣言していますが、再代入されていないため `const` を使うべきです。
* `first_n…
応答時間 104.3秒出力 3444 トークン
GPT-5.4 Nano
以下の観点（可読性・パフォーマンス・ベストプラクティス）で改善案を挙げます。
---
## 可読性（読みやすさ）
### 1) `any` をやめる（型を付ける）
`Promise<any[]>` は情報量が少なく、誤用を招きます。レスポンスの形と戻り値の型を定義しましょう。
```ts
type ApiUser = {
id: string;
first_name: string;
last_name: string;
email: string;
status: "active" | "deleted" | string;
};
type ApiResponse = {
users: ApiUser[];
};
type UserSummary = {
id: string;
name: string;
email: string;
};
```
### 2) `for` を `filter` + `map` にする（意図を明確化）
現状はインデックスループで組み立てており、意図が読み取りづらいです。
```ts
const pageUsers = data.users
.filter(u => u.status !== "deleted")
.map(u => ({
id: u.id,
name: `${u.first_name} ${u.last_name}`,
email: u.email,
}));
allUsers.push(...pageUsers);
```
### 3)…
応答時間 7.5秒出力 1202 トークン
SQLクエリの最適化
以下のSQLクエリは500万行のテーブルに対して実行すると30秒以上かかります。最適化してください。 SELECT p.product_name, c.category_name, COUNT(o.order_id) as order_count, SUM(o.amount) as total_sales, AVG(r.rating) as avg_rating FROM products p LEFT JOIN…
GLM 5.1
500万行のテーブルに対するクエリが30秒以上かかる原因は、単にインデックスが不足しているだけでなく、**SQLの書き方自体に深刻な論理的バグ（ファンアウトによる集計値の歪み）とパフォーマンス問題**が含まれています。
最適化されたクエリと、改善点の詳細な解説を以下に示します。
### 最適化されたクエリ
```sql
WITH order_summary AS (
-- 1. 注文関連は先に商品単位で集計しておく
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM orders o
JOIN order_details od ON od.order_id = o.order_id
WHERE o.status = '完了'
AND o.created_at >= '2024-04-01'
GROUP BY od.product_id
),
review_summary AS (
-- 2. レビューも先に商品単位で集計しておく
SELECT
r.product_id,
AVG(r.rating) AS avg_rating
FROM reviews r
GROUP BY r.product_id
)
SELECT
p.product_name,
c.category_name,
COALESCE(os.order_count, 0) AS ord…
応答時間 94.1秒出力 4545 トークン
GPT-5.4 Nano
以下のクエリは「表示列の集計（商品別）」「複数テーブル結合」「結合条件に絞り込み（o.status）」「期間条件（o.created_at）」が同時に入っているため、**現状のインデックス不足**の影響を強く受けており、特に `order_details` と `reviews` が結合の起点になって大きく膨らみやすいです。
改善のポイントは主に **(1) 結合キー用インデックス追加、(2) 条件をON/WHEREのどこに置くべきか、(3) 集計前に早く絞る（サブクエリ/CTE）、(4) GROUP BYのキー見直し**です。
---
## 1) 最重要：結合・絞り込みに効くインデックスを追加する
現状インデックスが `products(id)` と `orders(order_id)` だけなので、ほぼ確実に下記が全表スキャン/巨大なネストループになります。
### 必須（強く推奨）
#### (A) `order_details` 用（商品→明細→注文 を辿るため）
クエリでは `od.product_id = p.id` で結合しています。さらに集計で `o.created_at` / `o.status` が効きますが、まず `order_details` を商品単位に素早く絞る必要があります。
- `order_details(product_id, order_id)`
```sql
CREATE INDEX idx_order_details_product_order
ON order_details (product_id, o…
応答時間 13.4秒出力 2147 トークン
よくある質問
- GLM 5.1とGPT-5.4 Nano、料金はどちらが安いですか？
- 出力100万トークンあたりGLM 5.1は¥786.28、GPT-5.4 Nanoは¥223.38で、GPT-5.4 Nanoの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.1とGPT-5.4 Nanoのコンテキスト長の違いは？
- GLM 5.1は204,800トークン、GPT-5.4 Nanoは400,000トークンです。
- GLM 5.1とGPT-5.4 Nano、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 5.1が上です（GLM 5.1 46位、GPT-5.4 Nano 107位）。順位はリーダーボードの更新で変わります。
- GLM 5.1とGPT-5.4 Nano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-5.1" または "gpt-5.4-nano" 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 5.1とGPT-5.4 Nano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。