FastMetal

モデル比范

GLM 5.2 vs Inkling

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InklingThinking Machines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 5.2Inkling
提䟛元Z.aiThinking Machines
入力100䞇トヌクンあたり¥235.2Â¥159.6
出力100䞇トヌクンあたり¥739.2Â¥680.4
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥500
コンテキスト長1,048,576 トヌクン524,288 トヌクン
リリヌス日2026/6/162026/7/17
入力モダリティtexttext, image, audio
生成速床 (p50)—120 トヌクン/秒 (n=20)
アリヌナ 総合#33 · ELO 1,475#95 · ELO 1,441
アリヌナ 日本語#35 · ELO 1,455#56 · ELO 1,430
アリヌナ コヌディング#50 · ELO 1,512#91 · ELO 1,492

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Inkling。出力100䞇トヌクンあたり¥680.4で、GLM 5.2より8%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。Inklingは95䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 5.2が䞊です35䜍。Inklingは56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。Inklingは91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、Inklingの524,288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

Inkling

この゚ラヌの原因は、**デヌタベヌスから取埗した `price` が文字列`str`ずしお返されおいる**ため、敎数`int`の `quantity` ず掛け算できないこずです。 SQLの結果セットを蟞曞`order["price"]` などで扱っおいる堎合、DBドラむバやカラムのデヌタ型䟋`VARCHAR` や `TEXT`、あるいはドラむバの仕様によっお数倀が文字列のたた枡されるこずがありたす。 ### 修正方法 `price`必芁なら `quantity` もを数倀型に倉換しおから蚈算したす。䟡栌は小数を含む可胜性があるため、`float()` たたは `Decimal` を䜿うのが適切です。 ```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たたは floatに、quantity を int に倉換 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

Inkling

以䞋、**可読性・パフォヌマンス・ベストプラクティス**の芳点からレビュヌず改善案を提瀺したす。 --- ## 䞻芁な問題点芁玄 | 芳点 | 問題 | |------|------| | **型安党性** | `any` が乱甚されおおり、コンパむル時のチェックが効かない | | **゚ラヌハンドリング** | `fetch` の倱敗HTTP゚ラヌ、JSONパヌス倱敗、API圢匏䞍正を䞀切考慮しおいない | | **無限ルヌプリスク** | APIが垞に100件返し続けた堎合、`while` が氞遠に続く | | **可読性** | むンデックスルヌプ、`let` の乱甚、文字列結合`+`、マゞックナンバヌ | | **セキュリティ/堅牢性** | ク゚リパラメヌタが゚ンコヌドされおいない、レスポンス構造を怜蚌しおいない | --- ## 改善版コヌド ```typescript // --- 型定矩 --- 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

Inkling

このク゚リには**「結果が間違うファントラップ」**ず**「5M行をフルスキャンしお爆発的に増える」**の䞡方の臎呜的な問題がありたす。以䞋、原因ず最適化案を説明したす。 --- ## 1. 䞻な問題点 ### ① ファントラップJOINの爆発ず集蚈の誀り `order_details` ず `reviews` ã‚’äž¡æ–¹ `p.id` で結合しおいたす。これは**1぀の商品に察しお「泚文明现×レビュヌ」が盎積Cartesian Product**で発生するこずを意味したす。 - 商品Aに泚文が100件、レビュヌが50件あるず → **5,000行**が生成 - その結果、`COUNT(o.order_id)` や `SUM(o.amount)` がレビュヌ件数倍に膚らみ、`AVG(r.rating)` も正しく蚈算されたせん。 ### 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` の右偎テヌブルに `WHERE` で条件を぀けるず、**NULL泚文なしの商品が陀倖され、実質INNER JOINになりたす**。しかもデヌタベヌスはたず党結合を䜜っおからフィルタするため、無駄な䞭間結果が巚倧になりたす。 ### ③ むンデックスの䞍足 存圚するのは `products(id)` ず `orders(order_id)` のみ。以䞋が欠萜しおいたす - `products(is_active,

応答時間 81.6秒出力 9649 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Inkling、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、Inklingは¥680.4で、Inklingの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.2ずInklingのコンテキスト長の違いは
GLM 5.2は1,048,576トヌクン、Inklingは524,288トヌクンです。
GLM 5.2ずInkling、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、Inkling 56䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 5.2ずInkling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 "inkling" 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Inkling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Inklingをチャットで詊す

GLM 5.2の他の比范

Inklingの他の比范