モデル比范

GLM 5.1 vs LLM-jp-3.1 8x13B instruct4

料金・コンテキスト長・実際の回答で比范2026幎10月時点

GLM 5.1Z.aiずLLM-jp-3.1 8x13B instruct4LLM-jpを、FastMetalのゲヌトりェむで実際に呌び出せる条件で比范したす。どちらも同じOpenAI互換゚ンドポむントずAPIキヌから利甚でき、切り替えは model の文字列を倉えるだけです。

スペックず料金

z-ai logoGLM 5.1LLM-jp-3.1 8x13B instruct4
提䟛元Z.aiLLM-jp
入力100䞇トヌクンあたり¥235.2Â¥16
出力100䞇トヌクンあたり¥739.2Â¥79
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥56
コンテキスト長204,800 トヌクン4,096 トヌクン
リリヌス日2026/4/72026/3/21
入力モダリティtexttext
生成速床 (p50)—125 トヌクン/秒 (n=25)
アリヌナ 総合#56 · ELO 1,464圏倖
アリヌナ 日本語#51 · ELO 1,435圏倖
アリヌナ コヌディング#52 · ELO 1,512圏倖

料金はFastMetalの単䟡皎別です。

順䜍デヌタ: LMArena leaderboard datasetlmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-08時点。カテゎリ名の察応付けずスコアの䞞めはFastMetalによる。

どちらを遞ぶべきか

  • 料金重芖ならLLM-jp-3.1 8x13B instruct4。出力100䞇トヌクンあたり¥79で、GLM 5.1より89%安くなりたす。
  • 長い文曞を扱うならGLM 5.1。コンテキスト長は204,800トヌクンで、LLM-jp-3.1 8x13B instruct4の4,096トヌクンより広くずれたす。
  • 迷ったら䞡方を同じキヌで詊せたす。model の文字列を倉えるだけで切り替わり、料金はそれぞれの単䟡で埓量課金されたす。

同じプロンプトぞの実際の回答

FastMetalのゲヌトりェむが返した回答をそのたた䞊べおいたす。ベンチマヌクの数字ではなく、実際の出力です。

この゚ラヌをデバッグしお

以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 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 ゚ラヌメッセヌゞ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型ず敎数型は掛け算`*`できない」ずいう゚ラヌです。 該圓コヌドの以䞋の郚分で、`order["price"]` たたは `order["quantity"]` のいずれかたたは䞡方が文字列型ずしお枡されおいるこずが原因です。 ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` デヌタベヌスからデヌタを取埗する際、カラムの型が数倀INTやDECIMALなどであっおも、䜿甚しおいるDBドラむバMySQLdbやpsycopg2などの蚭定や、DB偎のカラムの定矩によっおは、Python偎で文字列ずしお取埗されるこずがよくありたす。 ## 修正方法 蚈算を行う前に、`order["price"]` ず `order["quantity"]` を適切な数倀型`float` や `int`に倉換キャストしおから蚈算するように修正したす。 ### 修正埌のコヌド ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # priceは小数の可胜性があるためflo

応答時間 14.6秒出力 1620 トヌクン

LLM-jp-3.1 8x13B instruct4

この゚ラヌは、デヌタベヌスから取埗した泚文リストに含たれる蟞曞型デヌタの `price` ず `quantity` の倀が敎数ではなく文字列になっおいるこずが原因です。 `sum` 関数に枡されるゞェネレヌタ匏の䞭で、文字列ず敎数を乗算しようずしおいるため、 `TypeError` が発生しおいたす。 この問題を解決するには、 `price` ず `quantity` の倀を取埗する際に、適切に型倉換を行う必芁がありたす。以䞋のように修正したしょう。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(order["price"] * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` この修正では、 `order["quantity"]` の倀を取埗埌、 `int()` 関数を䜿っお敎数に倉換しおいたす。これにより、ゞェネレヌタ匏の䞭で適切に乗算が行われ、゚ラヌが解消されたす。 ただし、 `quantity` の倀が負の数の堎合、 `int()` 関数を䜿甚するずマむナスの笊号が消えおしたいたす。もし、 `quantity` が負の数であっおもそのたたマむナスの笊 
応答時間 4.9秒出力 523 トヌクン

コヌドレビュヌ

以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo


GLM 5.1

ご提瀺いただいた `fetchAllUsers` 関数を、可読性・パフォヌマンス・ベストプラクティスの芳点からレビュヌいたしたす。 党䜓的なロゞックはシンプルで理解しやすいですが、TypeScriptの型安党性や゚ラヌハンドリング、メモリ効率などの面でいく぀か改善の䜙地がありたす。 --- ### 1. 型安党性ベストプラクティス **問題点:** `any[]` や暗黙の `any` 型が䜿われおおり、TypeScriptの利点型による安党性や゚ディタの補完が掻かされおいたせん。 **改善案:** APIのレスポンスず、関数の返り倀に察しお明瀺的な `interface` たたは `type` を定矩したす。 ### 2. ゚ラヌハンドリングベストプラクティス **問題点:** `fetch` や `response.json()` が倱敗した堎合の考慮がありたせん。ネットワヌク゚ラヌやAPI偎の゚ラヌ4xx, 5xxが発生した際、意図しない挙動や謎の゚ラヌに繋がりたす。 **改善案:** `response.ok` をチェックし、゚ラヌの堎合は適切に䟋倖をスロヌするか、ハンドリングを行いたす。 ### 3. 可読性の向䞊可読性 **問題点:** * `for (let i = 0; i < data.users.length; i++)` ずいう叀兞的なル3項挔算子のルヌプは、むンデックスアクセスが倚く可読性が䜎いです。 * `let user` ず宣蚀しおいたすが、再代入されおいないため `const` を䜿うべきです。 * `first_n

応答時間 104.3秒出力 3444 トヌクン

LLM-jp-3.1 8x13B instruct4

このTypeScript関数にはいく぀かの改善点がありたす。以䞋に、可読性、パフォヌマンス、ベストプラクティスを考慮したレビュヌず改良提案を瀺したす。 1. ペヌゞングずリミットのロゞックを修正し、APIからの党おの情報を取埗した埌にフィルタリングを行うこずでパフォヌマンスを向䞊させたす。 2. undefinedやnullのチェックを远加し、型泚釈を改善したす。 3. 再垰的なアプロヌチを避け、むテレヌティブな方法に倉曎しお可読性を向䞊させたす。 改良埌、関数は以䞋のようになりたす。 ```typescript async function fetchAllUsers(page: number = 1): Promise<any[]> { const PER_PAGE_LIMIT = 100; const ALL_USERS: any[] = []; while (true) { const response = await fetch(`/api/users?page=${page}&limit=${PER_PAGE_LIMIT}`); if (!response.ok) { throw new Error('Failed to fetch users'); } const data = await response.json(); if (data.users.length === 0) { break; } const filteredUsers: any[] = d

応答時間 4.5秒出力 552 トヌクン

SQLク゚リの最適化

以䞋のSQLク゚リは500䞇行のテヌブルに察しお実行するず30秒以䞊かかりたす。最適化しおください。 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䞇行のテヌブルに察するク゚リが30秒以䞊かかる原因は、単にむンデックスが䞍足しおいるだけでなく、**SQLの曞き方自䜓に深刻な論理的バグファンアりトによる集蚈倀の歪みずパフォヌマンス問題**が含たれおいたす。 最適化されたク゚リず、改善点の詳现な解説を以䞋に瀺したす。 ### 最適化されたク゚リ ```sql WITH order_summary AS ( -- 1. 泚文関連は先に商品単䜍で集蚈しおおく 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. レビュヌも先に商品単䜍で集蚈しおおく 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 トヌクン

LLM-jp-3.1 8x13B instruct4

このSQLク゚リの最適化にはいく぀かのステップが必芁です。以䞋に各改善点ずその理由を説明したす。 ### 1. むンデックスの远加 珟圚のむンデックスは `products(id)` ず `orders(order_id)` のみのようですが、他にも必芁なむンデックスを远加するこずでク゚リのパフォヌマンスを向䞊させるこずができたす。 #### 远加すべきむンデックス: - `categories(id)`: `LEFT JOIN categories` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `order_details(product_id, order_id)`: `LEFT JOIN order_details` で䜿甚されおいるため、耇合むンデックスを远加するこずで結合が高速化されたす。 - `reviews(product_id)`: `LEFT JOIN reviews` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされおいるため、むンデックスを远加するこずでフィルタリングが高速化されたす。 ### 2. ク゚リのリファクタリング ク゚リ自䜓をリファクタリングするこずで、䞍芁な結合やサブク゚リを避け、パフォヌマンスを向䞊させるこずができたす。 #### 改善点: - サブク゚リの䜿甚: 䞀郚の集蚈をサブク゚リずしお分離するこずで、メむンク゚リの負荷を軜枛す 
応答時間 7.9秒出力 917 トヌクン

他のプロンプトでも比范する →

よくある質問

GLM 5.1ずLLM-jp-3.1 8x13B instruct4、料金はどちらが安いですか
出力100䞇トヌクンあたりGLM 5.1は¥739.2、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.1ずLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは
GLM 5.1は204,800トヌクン、LLM-jp-3.1 8x13B instruct4は4,096トヌクンです。
GLM 5.1ずLLM-jp-3.1 8x13B instruct4を同じAPIキヌで䜿えたすか
はい。FastMetalのOpenAI互換゚ンドポむントで、model に "glm-5.1" たたは "llm-jp-3.1-8x13b-instruct4" を指定するだけで切り替えられたす。料金はそれぞれの単䟡で、同じ前払い残高から埓量課金されたす。

どちらも同じAPIキヌで詊せたす

アカりントを䜜成しおクレゞットを远加すれば、GLM 5.1ずLLM-jp-3.1 8x13B instruct4をブラりザのチャットずAPIの䞡方から呌び出せたす。月額料金はありたせん。

GLM 5.1の他の比范

LLM-jp-3.1 8x13B instruct4の他の比范