GLM 5.1 vs GPT-5.6 Luna
料金・コンテキスト長・実際の回答で比較（2026年10月時点）
GLM 5.1（Z.ai）とGPT-5.6 Luna（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-5.6 Luna | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥235.2 | ¥33.6 |
| 出力（100万トークンあたり） | ¥739.2 | ¥201.6 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥605 | ¥134 |
| コンテキスト長 | 204,800 トークン | 1,050,000 トークン |
| リリース日 | 2026/4/7 | 2026/7/9 |
| 入力モダリティ | text | file, image, text |
| 生成速度 (p50) | — | 232 トークン/秒 (n=26) |
| アリーナ 総合 | #56 · ELO 1,464 | #74 · ELO 1,452 |
| アリーナ 日本語 | #51 · ELO 1,435 | #60 · ELO 1,428 |
| アリーナ コーディング | #52 · ELO 1,512 | #75 · ELO 1,501 |
料金はFastMetalの単価（税別）です。
順位データ: LMArena leaderboard dataset（lmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-08時点）。カテゴリ名の対応付けとスコアの丸めはFastMetalによる。
どちらを選ぶべきか
- 料金重視ならGPT-5.6 Luna。出力100万トークンあたり¥201.6で、GLM 5.1より73%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（56位。GPT-5.6 Lunaは74位）。
- 日本語の評価はアリーナ順位でGLM 5.1が上です（51位。GPT-5.6 Lunaは60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（52位。GPT-5.6 Lunaは75位）。
- 長い文書を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000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-5.6 Luna
原因は、`order["price"]` が文字列（`str`）として取得されているのに、`order["quantity"]` は整数（`int`）であるためです。
```python
"1000" * 2
```
は数値の乗算ではなく、文字列の繰り返しとして扱われるため、`str` と `int` の乗算でエラーになります。
## 修正例：Python側で型変換する
金額を扱うため、`float` ではなく `Decimal` を使うのが安全です。
```python
from decimal import Decimal
def get_user_orders(user_id):
orders = db.query(
"SELECT price, quantity FROM orders WHERE user_id = %s",
user_id
)
total = sum(
Decimal(str(order["price"])) * int(order["quantity"])
for order in orders
)
return {
"user_id": user_id,
"total": total,
"orders": orders,
}
```
`price` が `"12.50"` のような文字列でも、`Decimal` に変換して正確に計算できます。
## SQL側で数値型に変…
応答時間 6.7秒出力 775 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-5.6 Luna
以下の点を改善できます。
## 主な改善点
### 1. `any` を避ける
`any` だとプロパティ名の誤りやレスポンス形式の変更を検知できません。APIレスポンスと戻り値に型を定義すると可読性と安全性が向上します。
### 2. HTTPエラーを確認する
`fetch` は、404や500でも例外を投げずに `Response` を返します。`response.ok` を確認する必要があります。
### 3. マジックナンバーを定数化する
`100` はページサイズを表しているため、定数にすると意図が明確になります。
### 4. ページング条件をAPIのメタデータに依存させる
`data.users.length < 100` という判定は、API仕様に依存しています。可能であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。
### 5. `for` とインデックス参照を簡略化する
`for...of`、`filter`、`map` などを使うと、処理内容が読みやすくなります。
## 改善例
```ts
const PAGE_SIZE = 100;
interface ApiUser {
id: string;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersPageResponse {
users: ApiUser[];
// APIが返…
応答時間 13.6秒出力 1677 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-5.6 Luna
主な問題は、単にインデックス不足だけではありません。
1. `reviews` をそのまま JOIN しているため、注文行とレビュー行の組み合わせで行数が膨張する
2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しているため、実質的に `INNER JOIN` になっている
3. 500万行を JOIN してから `GROUP BY` している
4. `order_details` に `product_id` のインデックスがない
注文集計とレビュー集計を先に商品単位で集約してから JOIN するのが効果的です。
## 改善後のクエリ
「注文が存在する商品だけを表示する」という、元のクエリと同じ意味を維持する場合です。
```sql
WITH order_agg AS (
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM order_details od
INNER JOIN orders o
ON o.order_id = od.order_id
WHERE o.status = '完了'
AND o.created_at >= TIMESTAMP '2024-04-01'
GROUP BY od.product_id
),
review_agg…
応答時間 16.3秒出力 2059 トークン
よくある質問
- GLM 5.1とGPT-5.6 Luna、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¥739.2、GPT-5.6 Lunaは¥201.6で、GPT-5.6 Lunaの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.1とGPT-5.6 Lunaのコンテキスト長の違いは？
- GLM 5.1は204,800トークン、GPT-5.6 Lunaは1,050,000トークンです。
- GLM 5.1とGPT-5.6 Luna、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 51位、GPT-5.6 Luna 60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-5.6 Luna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-5.6-luna" 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-5.6 Luna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。