GLM 5.1 vs gpt-oss-120b
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
GLM 5.1（Z.ai）とgpt-oss-120b（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-oss-120b | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥250.18 | ¥16 |
| 出力（100万トークンあたり） | ¥786.28 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥643 | ¥56 |
| コンテキスト長 | 204,800 トークン | 131,072 トークン |
| リリース日 | 2026/4/7 | 2025/8/5 |
| 入力モダリティ | text | text |
| アリーナ 総合 | #41 · ELO 1,466 | #196 · ELO 1,352 |
| アリーナ 日本語 | #49 · ELO 1,430 | #133 · ELO 1,328 |
| アリーナ コーディング | #36 · ELO 1,514 | #203 · ELO 1,391 |
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-oss-120b。出力100万トークンあたり¥79で、GLM 5.1より90%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（41位。gpt-oss-120bは196位）。
- 日本語の評価はアリーナ順位でGLM 5.1が上です（49位。gpt-oss-120bは133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（36位。gpt-oss-120bは203位）。
- 長い文書を扱うならGLM 5.1。コンテキスト長は204,800トークンで、gpt-oss-120bの131,072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-oss-120b
**原因**
`order["price"]` が **文字列** (`str`) で返ってきているため、数値 (`int`/`float`/`Decimal`) と掛け算しようとしたときに
```
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
が発生しています。
このケースは主に次のいずれかが原因です。
| 可能性 | 内容 |
|--------|------|
| ① DBドライバが数値列を文字列として取得している | たとえば `psycopg2` の `cursor_factory=RealDictCursor` でも `numeric` が文字列になることがあります。 |
| ② テーブル定義が文字列型 (`VARCHAR`, `CHAR`) になっている | `price` カラムが文字列型で保存されている。 |
| ③ `SELECT` 文でキャストせずにそのまま取得している | DB側で数値に変換していない。 |
**修正方法**は 2 つの方向があります。
---
## 1️⃣ Python 側で安全に数値へ変換する（最も手軽）
```python
from decimal import Decimal, InvalidOperation
def get_user_orders(user_id):
# db.query の戻り値は dict のリスト（例: [{"price": "12.34", "quantity": "2"}, ..…
応答時間 7.1秒出力 1587 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-oss-120b
## 📋 1. 現行コードの概要と主な課題
| 項目 | 現状 | 問題点・改善余地 |
|------|------|-------------------|
| **型安全** | `any[]`、`any` で型を放棄 | TypeScript のメリットが失われ、実装ミスがコンパイル時に検出できない |
| **可読性** | 変数名が曖昧（`data`、`i`）・文字列結合で名前を組み立てている | 何をしているかが一読で分かりにくい |
| **エラーハンドリング** | `fetch` の失敗や `response.ok === false` をチェックしていない | ネットワークエラーで例外がそのままスローされ、呼び出し側が把握しにくい |
| **パフォーマンス** | ページ取得を **逐次** に行っている<br>（`while` ループ中で `await`） | ページ数が多いと総待ち時間が `N × latency` になる |
| **ミューテーション** | `let` で再代入が多い | 不変性を保つ方がデバッグしやすい |
| **ハードコーディング** | `limit=100` がコード中に埋め込まれている | API の変更に脆弱 |
| **文字列結合** | `first_name + " " + last_name` | 可読性が低く、`undefined` が入った時に `"undefined"` が出力されるリスク |
| **非同期キャンセル** | `AbortController` が未使用 | 長時間待機したままキャ…
応答時間 15.6秒出力 3532 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-oss-120b
## 1. 現状のボトルネック
| 項目 | 理由 |
|------|------|
| **① LEFT JOIN → INNER JOIN に変えられるケース** | `orders` の `status = '完了'` と `created_at >= …` が必ず満たす行だけを集計したいので、`LEFT JOIN` で結合した後に `WHERE o.created_at …` を書くと、`orders` が **NULL** の行も残ってしまい、不要なレコードが大量に産まれます。|
| **② フィルタが JOIN 後に適用されている** | `WHERE o.created_at >= …` が **LEFT JOIN** の後に評価されるため、まず **全行** が `orders` と結合され、その後で絞り込む → 5 M 行 × (order_details の行数) の中間結果が膨大。|
| **③ インデックスが足りない** | 現在は `products(id)` と `orders(order_id)` だけ。<br>検索条件・結合キーに使っているカラムは全部 **インデックス対象外** なので、フルテーブルスキャンやハッシュジョインが走ります。|
| **④ GROUP BY に文字列を直接使っている** | `p.product_name` と `c.category_name` で GROUP BY すると、文字列比較が必要になる上、同名の商品が別 ID で存在したときに正しく集計できません。`p.id` で集計した方がインデックスを活かしやす…
応答時間 13.3秒出力 2901 トークン
よくある質問
- GLM 5.1とgpt-oss-120b、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-oss-120bは¥79で、gpt-oss-120bの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.1とgpt-oss-120bのコンテキスト長の違いは？
- GLM 5.1は204,800トークン、gpt-oss-120bは131,072トークンです。
- GLM 5.1とgpt-oss-120b、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 49位、gpt-oss-120b 133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-oss-120b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-oss-120b" 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 5.1とgpt-oss-120b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。