FastMetal

モデル比范

GLM 5.2 vs GPT-5.6 Luna

料金・コンテキスト長・実際の回答で比范2026幎10月時点

GLM 5.2Z.aiずGPT-5.6 Luna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-5.6 Luna
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥235.2Â¥33.6
出力100䞇トヌクンあたり¥739.2Â¥201.6
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥134
コンテキスト長1,048,576 トヌクン1,050,000 トヌクン
リリヌス日2026/6/162026/7/9
入力モダリティtextfile, image, text
生成速床 (p50)—255 トヌクン/秒 (n=26)
アリヌナ 総合#33 · ELO 1,475#74 · ELO 1,452
アリヌナ 日本語#35 · ELO 1,455#60 · ELO 1,428
アリヌナ コヌディング#50 · ELO 1,512#75 · ELO 1,501

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GPT-5.6 Luna。出力100䞇トヌクンあたり¥201.6で、GLM 5.2より73%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33䜍。GPT-5.6 Lunaは74䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 5.2が䞊です35䜍。GPT-5.6 Lunaは60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50䜍。GPT-5.6 Lunaは75䜍。
  • 長い文曞を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トヌクンで、GLM 5.2の1,048,576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-5.6 Luna

原因は、`order["price"]` が文字列`str`ずしお取埗されおいるのに、`order["quantity"]` は敎数`int`であるためです。 ```python "1000" * 2 ``` は数倀の乗算ではなく、文字列の繰り返しずしお扱われるため、`str` ず `int` の乗算で゚ラヌになりたす。 ## 修正䟋Python偎で型倉換する 金額を扱うため、`float` ではなく `Decimal` を䜿うのが安党です。 ```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` に倉換しお正確に蚈算できたす。 ## SQL偎で数倀型に倉 
応答時間 6.7秒出力 775 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-5.6 Luna

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避ける `any` だずプロパティ名の誀りやレスポンス圢匏の倉曎を怜知できたせん。APIレスポンスず戻り倀に型を定矩するず可読性ず安党性が向䞊したす。 ### 2. HTTP゚ラヌを確認する `fetch` は、404や500でも䟋倖を投げずに `Response` を返したす。`response.ok` を確認する必芁がありたす。 ### 3. マゞックナンバヌを定数化する `100` はペヌゞサむズを衚しおいるため、定数にするず意図が明確になりたす。 ### 4. ペヌゞング条件をAPIのメタデヌタに䟝存させる `data.users.length < 100` ずいう刀定は、API仕様に䟝存しおいたす。可胜であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。 ### 5. `for` ずむンデックス参照を簡略化する `for...of`、`filter`、`map` などを䜿うず、凊理内容が読みやすくなりたす。 ## 改善䟋 ```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-5.6 Luna

䞻な問題は、単にむンデックス䞍足だけではありたせん。 1. `reviews` をそのたた JOIN しおいるため、泚文行ずレビュヌ行の組み合わせで行数が膚匵する 2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しおいるため、実質的に `INNER JOIN` になっおいる 3. 500䞇行を JOIN しおから `GROUP BY` しおいる 4. `order_details` に `product_id` のむンデックスがない 泚文集蚈ずレビュヌ集蚈を先に商品単䜍で集玄しおから JOIN するのが効果的です。 ## 改善埌のク゚リ 「泚文が存圚する商品だけを衚瀺する」ずいう、元のク゚リず同じ意味を維持する堎合です。 ```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-5.6 Luna、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-5.6 Lunaは¥201.6で、GPT-5.6 Lunaの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.2ずGPT-5.6 Lunaのコンテキスト長の違いは
GLM 5.2は1,048,576トヌクン、GPT-5.6 Lunaは1,050,000トヌクンです。
GLM 5.2ずGPT-5.6 Luna、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 35䜍、GPT-5.6 Luna 60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-5.6 Luna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-5.6-luna" 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-5.6 Luna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-5.6 Lunaをチャットで詊す

GLM 5.2の他の比范

GPT-5.6 Lunaの他の比范