GLM 5.2 vs Inkling
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
GLM 5.2（Z.ai）とInkling（Thinkingmachines）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 | Inkling | |
|---|---|---|
| 提供元 | Z.ai | Thinkingmachines |
| 入力（100万トークンあたり） | ¥250.18 | ¥178.7 |
| 出力（100万トークンあたり） | ¥786.28 | ¥723.74 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥643 | ¥541 |
| コンテキスト長 | 1,048,576 トークン | 524,288 トークン |
| リリース日 | 2026/6/16 | 2026/7/17 |
| 入力モダリティ | text | text, image, audio |
| アリーナ 総合 | #31 · ELO 1,469 | #71 · ELO 1,443 |
| アリーナ 日本語 | #13 · ELO 1,472 | 圏外 |
| アリーナ コーディング | #46 · ELO 1,506 | #64 · ELO 1,496 |
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Inkling。出力100万トークンあたり¥723.74で、GLM 5.2より8%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（31位。Inklingは71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（46位。Inklingは64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、Inklingの524,288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
Inkling
このエラーの原因は、**データベースから取得した `price` が文字列（`str`）として返されている**ため、整数（`int`）の `quantity` と掛け算できないことです。
SQLの結果セットを辞書（`order["price"]` など）で扱っている場合、DBドライバやカラムのデータ型（例：`VARCHAR` や `TEXT`、あるいはドライバの仕様）によって数値が文字列のまま渡されることがあります。
### 修正方法
`price`（必要なら `quantity` も）を数値型に変換してから計算します。価格は小数を含む可能性があるため、`float()` または `Decimal` を使うのが適切です。
```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)
# price を Decimal（または float）に、quantity を int に変換
total = sum(
Decimal(str(order["price"])) * int(order["quantity"])
for order in orders
)
return {"user_id": user_id, "total": total, "orders":…
応答時間 22.4秒出力 1285 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
Inkling
以下、**可読性・パフォーマンス・ベストプラクティス**の観点からレビューと改善案を提示します。
---
## 主要な問題点（要約）
| 観点 | 問題 |
|------|------|
| **型安全性** | `any` が乱用されており、コンパイル時のチェックが効かない |
| **エラーハンドリング** | `fetch` の失敗（HTTPエラー）、JSONパース失敗、API形式不正を一切考慮していない |
| **無限ループリスク** | APIが常に100件返し続けた場合、`while` が永遠に続く |
| **可読性** | インデックスループ、`let` の乱用、文字列結合（`+`）、マジックナンバー |
| **セキュリティ/堅牢性** | クエリパラメータがエンコードされていない、レスポンス構造を検証していない |
---
## 改善版コード
```typescript
// --- 型定義 ---
interface RawUser {
id: string | number;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersApiResponse {
users: RawUser[];
}
export interface User {
id: string | number;
name: string;
email: string;
}
const DEFAULT_LIM…
応答時間 45.2秒出力 4396 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
Inkling
このクエリには**「結果が間違う（ファントラップ）」**と**「5M行をフルスキャンして爆発的に増える」**の両方の致命的な問題があります。以下、原因と最適化案を説明します。
---
## 1. 主な問題点
### ① ファントラップ（JOINの爆発と集計の誤り）
`order_details` と `reviews` を両方 `p.id` で結合しています。これは**1つの商品に対して「注文明細×レビュー」が直積（Cartesian Product）**で発生することを意味します。
- 商品Aに注文が100件、レビューが50件あると → **5,000行**が生成
- その結果、`COUNT(o.order_id)` や `SUM(o.amount)` がレビュー件数倍に膨らみ、`AVG(r.rating)` も正しく計算されません。
### ② WHERE句でのLEFT JOINの無効化
```sql
LEFT JOIN orders o ...
WHERE o.created_at >= '2024-04-01'
```
`LEFT JOIN` の右側テーブルに `WHERE` で条件をつけると、**NULL（注文なしの商品）が除外され、実質INNER JOINになります**。しかもデータベースはまず全結合を作ってからフィルタするため、無駄な中間結果が巨大になります。
### ③ インデックスの不足
存在するのは `products(id)` と `orders(order_id)` のみ。以下が欠落しています：
- `products(is_active,…
応答時間 81.6秒出力 9649 トークン
よくある質問
- GLM 5.2とInkling、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¥786.28、Inklingは¥723.74で、Inklingの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.2とInklingのコンテキスト長の違いは？
- GLM 5.2は1,048,576トークン、Inklingは524,288トークンです。
- GLM 5.2とInkling、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 13位、Inkling 71位）。順位はリーダーボードの更新で変わります。
- GLM 5.2とInkling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 "inkling" 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チャージすれば、GLM 5.2とInkling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。