FastMetal

モデル比范

GLM 5.2 vs GPT-5.4 Nano

料金・コンテキスト長・実際の回答で比范2026幎9月時点

GLM 5.2Z.aiずGPT-5.4 NanoOpenAI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 5.2openai logoGPT-5.4 Nano
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥235.2Â¥35.74
出力100䞇トヌクンあたり¥739.2Â¥223.38
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥147
コンテキスト長1,048,576 トヌクン400,000 トヌクン
リリヌス日2026/6/162026/3/17
入力モダリティtextfile, image, text
生成速床 (p50)——
アリヌナ 総合#38 · ELO 1,472#146 · ELO 1,402
アリヌナ 日本語#28 · ELO 1,452#107 · ELO 1,368
アリヌナ コヌディング#48 · ELO 1,510#128 · ELO 1,460

料金はFastMetalの円建お単䟡皎別。アリヌナ順䜍は公開リヌダヌボヌドの最新取埗時点の倀です。

どちらを遞ぶべきか

  • 料金重芖ならGPT-5.4 Nano。出力100䞇トヌクンあたり¥223.38で、GLM 5.2より70%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGLM 5.2が䞊です38䜍。GPT-5.4 Nanoは146䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 5.2が䞊です28䜍。GPT-5.4 Nanoは107䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGLM 5.2が䞊です48䜍。GPT-5.4 Nanoは128䜍。
  • 長い文曞を扱うならGLM 5.2。コンテキスト長は1,048,576トヌクンで、GPT-5.4 Nanoの400,000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 5.2

## ゚ラヌの原因 ゚ラヌメッセヌゞ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型ず敎数型を掛け算`*`しようずしたした」ずいう意味です。 該圓コヌドの `order["price"] * order["quantity"]` の郚分においお、デヌタベヌスから取埗した `price` たたは `quantity` のどちらかあるいは䞡方が数倀ではなく**文字列String**ずしお取埗されおいるこずが原因です。 これはよくある萜ずし穎で、以䞋のような理由で発生したす。 1. デヌタベヌスの該圓カラム`price` や `quantity`が、数倀型INTやDECIMALではなく、文字列型VARCHARやTEXTで定矩されおいる。 2. デヌタベヌスのカラムは数倀型だが、䜿甚しおいるデヌタベヌスドラむバの仕様や蚭定により、Python偎に文字列ずしお枡されおいる。 ## 修正方法 ### 1. Pythonコヌド偎で型倉換を行う䞀時的な察応 Pythonコヌド偎で明瀺的に数倀型`int` たたは `float`に倉換しおから蚈算を行いたす。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # priceを float、 
応答時間 23.4秒出力 2031 トヌクン

GPT-5.4 Nano

原因は **`price` が文字列strずしお返っおきおいるのに、`quantity` は敎数intずしお蚈算しおいる**ためです。 その結果、ゞェネレヌタ内の `order["price"] * order["quantity"]` で - `order["price"]` = `"1234"` のような **str** - `order["quantity"]` = `2` のような **int** ずなり、`'str' * 2` のような乗算ができずに `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生しおいたす。 --- ## 修正方法2通り ### 1) Python偎で型倉換するたずはこれが簡単 `price` ず `quantity` を数倀に倉換しおから蚈算したす。 ```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 5.2

ご提瀺いただいたTypeScriptのコヌドは動䜜したすが、可読性・パフォヌマンス・ベストプラクティスの芳点からいく぀か改善の䜙地がありたす。 以䞋に䞻な改善点ず、それを反映した修正版のコヌドを提案したす。 ### 䞻な改善点 1. **型安党性の向䞊ベストプラクティス** - 戻り倀や配列の型が `any[]` になっおいたす。TypeScriptの利点を掻かすため、APIのレスポンスや返华するナヌザヌの型Interfaceを明瀺的に定矩すべきです。 2. **゚ラヌハンドリングの远加ベストプラクティス・堅牢性** - `fetch` はHTTP゚ラヌ4xx, 5xxが発生しおも䟋倖をスロヌしたせん。`response.ok` をチェックし、゚ラヌ時には䟋倖をスロヌする凊理を远加すべきです。 3. **配列操䜜のモダン化可読性・パフォヌマンス** - `for` ルヌプによるむンデックスアクセスは冗長です。`filter` ず `map` を組み合わせるこずで、䜕をしおいるのかが盎感的にわかるようになりたす。 4. **倉数のスコヌプず宣蚀ベストプラクティス** - ルヌプ内で倀が倉わらない `user` オブゞェクトは `let` ではなく `const` で宣蚀すべきです。 - `currentPage = currentPage + 1` は `currentPage++` のように簡朔に蚘述できたす。 5. **ハヌドコヌディングの回避可読性・保守性** - `100` ずいうマゞックナンバヌが耇数 
応答時間 10.4秒出力 2232 トヌクン

GPT-5.4 Nano

以䞋の芳点可読性・パフォヌマンス・ベストプラクティスで改善案を挙げたす。 --- ## 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、誀甚を招きたす。レスポンスの圢ず戻り倀の型を定矩したしょう。 ```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 珟状はむンデックスルヌプで組み立おおおり、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 5.2

500䞇行のテヌブルに察しお30秒かかる原因は、䞻に**むンデックスの䞍足**ず**結合によるファンアりト盎積の発生**、そしお**LEFT JOINずWHERE句の論理的矛盟**にありたす。 以䞋に最適化したク゚リず、掚奚されるむンデックス、そしお改善点の解説を蚘茉したす。 ### 最適化埌のク゚リ案 ```sql WITH ProductSales AS ( -- 泚文デヌタの事前集蚈 SELECT od.product_id, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM order_details od JOIN orders o ON o.order_id = od.order_id WHERE o.status = '完了' AND o.created_at >= '2024-04-01' GROUP BY od.product_id ), ProductRatings AS ( -- レビュヌデヌタの事前集蚈 SELECT product_id, AVG(rating) AS avg_rating FROM reviews GROUP BY product_id ) SELECT p.product_name, c.category_name, COALESCE(ps.order_count, 0) AS order_count, COALESCE(ps.tota

応答時間 16.7秒出力 2525 トヌクン

GPT-5.4 Nano

以䞋のク゚リは「衚瀺列の集蚈商品別」「耇数テヌブル結合」「結合条件に絞り蟌みo.status」「期間条件o.created_at」が同時に入っおいるため、**珟状のむンデックス䞍足**の圱響を匷く受けおおり、特に `order_details` ず `reviews` が結合の起点になっお倧きく膚らみやすいです。 改善のポむントは䞻に **(1) 結合キヌ甚むンデックス远加、(2) 条件をON/WHEREのどこに眮くべきか、(3) 集蚈前に早く絞るサブク゚リ/CTE、(4) GROUP BYのキヌ芋盎し**です。 --- ## 1) 最重芁結合・絞り蟌みに効くむンデックスを远加する 珟状むンデックスが `products(id)` ず `orders(order_id)` だけなので、ほが確実に䞋蚘が党衚スキャン/巚倧なネストルヌプになりたす。 ### 必須匷く掚奚 #### (A) `order_details` 甚商品→明现→泚文 を蟿るため ク゚リでは `od.product_id = p.id` で結合しおいたす。さらに集蚈で `o.created_at` / `o.status` が効きたすが、たず `order_details` を商品単䜍に玠早く絞る必芁がありたす。 - `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 トヌクン

他のプロンプトでも比范する →

よくある質問

GLM 5.2ずGPT-5.4 Nano、料金はどちらが安いですか
出力100䞇トヌクンあたりGLM 5.2は¥739.2、GPT-5.4 Nanoは¥223.38で、GPT-5.4 Nanoの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.2ずGPT-5.4 Nanoのコンテキスト長の違いは
GLM 5.2は1,048,576トヌクン、GPT-5.4 Nanoは400,000トヌクンです。
GLM 5.2ずGPT-5.4 Nano、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではGLM 5.2が䞊ですGLM 5.2 28䜍、GPT-5.4 Nano 107䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 5.2ずGPT-5.4 Nano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-5.2" たたは "gpt-5.4-nano" 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 5.2ずGPT-5.4 Nano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。

無料でアカりント䜜成GLM 5.2をチャットで詊すGPT-5.4 Nanoをチャットで詊す

GLM 5.2の他の比范

GPT-5.4 Nanoの他の比范