GLM 5.2 vs gpt-oss-20b
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-oss-20b（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-oss-20b | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥235.2 | ¥5.36 |
| 出力（100万トークンあたり） | ¥739.2 | ¥25.02 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥605 | ¥18 |
| コンテキスト長 | 1,048,576 トークン | 131,072 トークン |
| リリース日 | 2026/6/16 | 2025/8/5 |
| 入力モダリティ | text | text |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #38 · ELO 1,472 | #252 · ELO 1,317 |
| アリーナ 日本語 | #28 · ELO 1,452 | #179 · ELO 1,256 |
| アリーナ コーディング | #48 · ELO 1,510 | #232 · ELO 1,369 |
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-20b。出力100万トークンあたり¥25.02で、GLM 5.2より97%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-oss-20bは252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-oss-20bは179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-oss-20bは232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-oss-20b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 5.2
## 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-oss-20b
## 1. エラーの原因
```python
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
- `order["price"]` が **文字列 (`str`)** である
- `order["quantity"]` が **整数 (`int`)** である
- `str * int` は演算できないため例外が発生
### 何で `price` が文字列になるのか？
| DB | 典型的な戻り値の型 | 文字列になるケース |
|-----|------------------|---------------------|
| PostgreSQL（psycopg2） | `Decimal` | なし（数値型は `Decimal`） |
| MySQL（mysql‑connector / pymysql） | `Decimal` または `str` | `use_unicode=True` や `cursorclass=` が設定されていると文字列になる |
| SQLite（sqlite3） | `int`/`float` | なし |
したがって、今回使われている `db.query()` では価格列が **文字列として返されている** ことが原因です。
---
## 2. 修正方法
### ① 数値型へキャストして足し算
```python
def get_user_orders(user_id):
# ① クエリ実行
orders = db.quer…
応答時間 10.0秒出力 1365 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-oss-20b
## ① ざっくりした実装概要
```ts
async function fetchAllUsers(page: number = 1): Promise<any[]> {
/* … */
}
```
- 1ページにつき最大100件取得し、`status !== "deleted"` のレコードだけを
`id / name / email` らしき構造体に整形。
- **ページングを手動**で止めるために while‑loop で繰り返し呼び出す
→ 連続で **1 つずつ直列**に `fetch` している。
- `any` をそのまま返している。
- エラー処理・型定義・可読性・パフォーマンスに関しては改善余地が多々ある。
---
## ② 可読性（コードの見やすさ・保守性）を向上させる
| 現状 | 改善案 | 具体例 |
|------|--------|--------|
| ① `any` を使っている | 型を定義し、返却型を `User[]` に | ```ts interface User { id: number; name: string; email: string; } ``` |
| ② ループの内部でインデックスを使う | `for...of` + デストラクチャリング | ```ts for (const u of data.users) { … } ``` |
| ③ `if (data.users.length < 100)` で終了判定 | `data.users.splice` で終端を判断 | –（設計…
応答時間 62.4秒出力 3181 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-oss-20b
## ① なぜ 30 秒かかるのか
| 主要なボトルネック | 具体的な症状 |
|------------------|--------------|
| **テーブルスキャン** | `orders` と `order_details` は 500 万行を超える可能性がある。`WHERE o.status = '完了' AND o.created_at >= …` の条件が **`orders` の単一列にしかインデックスが無いので** まず全行を読み込み、次に結合のために行を再スキャン |
| **結合条件が多い** | `LEFT JOIN` では結合条件を満たせない行もすべて取得しなければならない。`orders` のフィルタは `ON` ではなく `WHERE` に書かれており、`LEFT JOIN` を `INNER JOIN` に変えることで不要な行が結合に入る |
| **GROUP BY のキーが冗長** | `GROUP BY p.product_name , c.category_name` はテーブルスキャン後にしばしば **テキスト列** でグループ化し、索引の恩恵が少ない |
| **ORDER BY と LIMIT** | `ORDER BY total_sales DESC NULLS LAST` は集計結果全体をソートする必要がある。Top‑N を返すだけなので `HAVING COUNT(*)>0` でフィルタした後に `ROW_NUMBER()` を使えば部分ソートで済む |
> 以上の理由で**全行を走査しながら集計**・**ソー…
応答時間 20.4秒出力 2648 トークン
よくある質問
- GLM 5.2とgpt-oss-20b、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-oss-20bは¥25.02で、gpt-oss-20bの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.2とgpt-oss-20bのコンテキスト長の違いは？
- GLM 5.2は1,048,576トークン、gpt-oss-20bは131,072トークンです。
- GLM 5.2とgpt-oss-20b、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-oss-20b 179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-oss-20b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-oss-20b" 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-oss-20b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。