GLM 5.2 vs GPT-5 Mini
料金・コンテキスト長・実際の回答で比較（2026年9月時点）
GLM 5.2（Z.ai）とGPT-5 Mini（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 5.2 |  GPT-5 Mini | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥235.2 | ¥44.68 |
| 出力（100万トークンあたり） | ¥739.2 | ¥357.4 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥605 | ¥223 |
| コンテキスト長 | 1,048,576 トークン | 400,000 トークン |
| リリース日 | 2026/6/16 | 2025/8/7 |
| 入力モダリティ | text | text, image, file |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #38 · ELO 1,472 | #163 · ELO 1,390 |
| アリーナ 日本語 | #28 · ELO 1,452 | #109 · ELO 1,365 |
| アリーナ コーディング | #48 · ELO 1,510 | #172 · ELO 1,431 |
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-5 Mini。出力100万トークンあたり¥357.4で、GLM 5.2より52%安くなります。
- 総合の評価はアリーナ順位でGLM 5.2が上です（38位。GPT-5 Miniは163位）。
- 日本語の評価はアリーナ順位でGLM 5.2が上です（28位。GPT-5 Miniは109位）。
- コーディングの評価はアリーナ順位でGLM 5.2が上です（48位。GPT-5 Miniは172位）。
- 長い文書を扱うならGLM 5.2。コンテキスト長は1,048,576トークンで、GPT-5 Miniの400,000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 5.2
## エラーの原因
エラーメッセージ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型と整数型を掛け算（`*`）しようとしました」という意味です。
該当コードの `order["price"] * order["quantity"]` の部分において、データベースから取得した `price` または `quantity` のどちらか（あるいは両方）が数値ではなく**文字列（String）**として取得されていることが原因です。
これはよくある落とし穴で、以下のような理由で発生します。
1. データベースの該当カラム（`price` や `quantity`）が、数値型（INTやDECIMAL）ではなく、文字列型（VARCHARやTEXT）で定義されている。
2. データベースのカラムは数値型だが、使用しているデータベースドライバの仕様や設定により、Python側に文字列として渡されている。
## 修正方法
### 1. Pythonコード側で型変換を行う（一時的な対応）
Pythonコード側で明示的に数値型（`int` または `float`）に変換してから計算を行います。
```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 トークン
GPT-5 Mini
原因:
- DB から返ってくる order["price"] が文字列 (例: "9.99") になっており、数値演算に使える型になっていません。そのため price と quantity を掛けようとしたときに型の不整合でエラーになります（数値に変換してから掛ける必要があります）。
- 金額を扱う場合は float より Decimal を使うのが望ましい（丸め誤差を避けるため）。
修正例（推奨: Decimal を使う、安全に変換・例外処理）:
from decimal import Decimal, InvalidOperation
def get_user_orders(user_id):
rows = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
orders = []
total = Decimal('0')
for r in rows:
# 文字列・数値どちらでも対応して Decimal に変換
try:
price = Decimal(str(r['price']))
except (InvalidOperation, KeyError):
price = Decimal('0')
# quantity を整数に変換（不正なら 0 にするなど適宜ハンドリング）
try:…
応答時間 13.7秒出力 1469 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 5.2
ご提示いただいたTypeScriptのコードは動作しますが、可読性・パフォーマンス・ベストプラクティスの観点からいくつか改善の余地があります。
以下に主な改善点と、それを反映した修正版のコードを提案します。
### 主な改善点
1. **型安全性の向上（ベストプラクティス）**
- 戻り値や配列の型が `any[]` になっています。TypeScriptの利点を活かすため、APIのレスポンスや返却するユーザーの型（Interface）を明示的に定義すべきです。
2. **エラーハンドリングの追加（ベストプラクティス・堅牢性）**
- `fetch` はHTTPエラー（4xx, 5xx）が発生しても例外をスローしません。`response.ok` をチェックし、エラー時には例外をスローする処理を追加すべきです。
3. **配列操作のモダン化（可読性・パフォーマンス）**
- `for` ループによるインデックスアクセスは冗長です。`filter` と `map` を組み合わせることで、何をしているのかが直感的にわかるようになります。
4. **変数のスコープと宣言（ベストプラクティス）**
- ループ内で値が変わらない `user` オブジェクトは `let` ではなく `const` で宣言すべきです。
- `currentPage = currentPage + 1` は `currentPage++` のように簡潔に記述できます。
5. **ハードコーディングの回避（可読性・保守性）**
- `100` というマジックナンバーが複数…
応答時間 10.4秒出力 2232 トークン
GPT-5 Mini
以下、指摘点と具体的な改善案（コード例付き）を示します。可読性・型安全性・堅牢性・パフォーマンスの観点を順に取り扱います。
主な問題点（現状）
- any が多用されており型安全でない
- エラーハンドリングがない（HTTPエラー・JSONパース失敗で例外が投げられる）
- 配列ループが手続き的（for + index）、可読性が低い
- マジックナンバー（limit=100）がハードコードされている
- API が total/pages 情報を返すなら並列取得できるのに逐次取得している（必要に応じて改善可能）
- メモリ効率の考慮がない（大量ユーザー時に全件配列を返す設計に注意）
- タイムアウト・リトライ等の堅牢性対策がない
改善案（推奨実装）
- 型定義を追加する（レスポンスと戻り値）
- fetch のステータスをチェック、JSON 解析に対する try/catch
- filter + map を使い可読性を向上
- const を多用し、再代入は最小化
- limit を定数化
- 必要なら並列取得や async generator を利用してメモリ使用を抑える
以下に「シンプルで堅牢な逐次実行版」と「ページ数が分かる場合の並列取得版」、さらに「メモリ効率の良い async iterable（逐次消費）版」を示します。
1) 推奨：型付け＋エラーハンドリング＋読みやすい逐次取得版
- シンプルで安全。API が次ページ情報しか返さない場合に有効。
```ts
type RawUser = {
id: string;
first_name: str…
応答時間 22.0秒出力 2418 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 5.2
500万行のテーブルに対して30秒かかる原因は、主に**インデックスの不足**と**結合によるファンアウト（直積）の発生**、そして**LEFT JOINとWHERE句の論理的矛盾**にあります。
以下に最適化したクエリと、推奨されるインデックス、そして改善点の解説を記載します。
### 最適化後のクエリ案
```sql
WITH ProductSales AS (
-- 注文データの事前集計
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 (
-- レビューデータの事前集計
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 トークン
GPT-5 Mini
要点だけ先に結論をまとめます。
- 問題点
- 現状のクエリは order_details と orders を展開した後で WHERE に o.created_at を入れているため LEFT JOIN が実質的に INNER JOIN になりつつも結合順序で大量行を生成してしまう（多重結合による爆発）。
- GROUP BY に product_name（文字列）を使っているため集約キーが大きく、効率が落ちる。
- 重要な結合カラム（order_details.product_id、reviews.product_id 等）にインデックスがない。
- orders.status / orders.created_at によるフィルタを効率化するインデックスがない。
- （注意）orders.amount を order_details 経由で SUM すると、1 注文に同一商品が複数行ある等で二重カウントする可能性がある（スキーマ次第）。
- 対策（優先度順）
1. 集約は「注文条件で絞った後」に先にまとめる（派生テーブル／CTE で pre-aggregate）。これで大きな結合を一度だけ行い、products 側に結合する行数を激減させる。
2. 主要結合列にインデックスを作る：
- order_details(product_id, order_id)
- reviews(product_id)
- orders(status, created_at, order_id, amount) または order…
応答時間 25.7秒出力 3117 トークン
よくある質問
- GLM 5.2とGPT-5 Mini、料金はどちらが安いですか？
- 出力100万トークンあたりGLM 5.2は¥739.2、GPT-5 Miniは¥357.4で、GPT-5 Miniの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.2とGPT-5 Miniのコンテキスト長の違いは？
- GLM 5.2は1,048,576トークン、GPT-5 Miniは400,000トークンです。
- GLM 5.2とGPT-5 Mini、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 5.2が上です（GLM 5.2 28位、GPT-5 Mini 109位）。順位はリーダーボードの更新で変わります。
- GLM 5.2とGPT-5 Mini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-5.2" または "gpt-5-mini" 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 5.2とGPT-5 Mini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。