FastMetal

モデル比范

GLM 5.2 vs Muse Spark 1.3

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Muse Spark 1.3Meta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 5.2meta logoMuse Spark 1.3
提䟛元Z.aiMeta
入力100䞇トヌクンあたり¥235.2Â¥219.9
出力100䞇トヌクンあたり¥739.2Â¥747.65
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥594
コンテキスト長1,048,576 トヌクン1,048,576 トヌクン
リリヌス日2026/6/162026/9/2
入力モダリティtexttext, image, video, file, audio
生成速床 (p50)——
アリヌナ 総合#37 · ELO 1,475#10 · ELO 1,496
アリヌナ 日本語#36 · ELO 1,453#24 · ELO 1,476
アリヌナ コヌディング#46 · ELO 1,514#15 · ELO 1,536

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、2026-10-22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GLM 5.2。出力100䞇トヌクンあたり¥739.2で、Muse Spark 1.3より1%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でMuse Spark 1.3が䞊です10䜍。GLM 5.2は37䜍。
  • 日本語の評䟡はアリヌナ順䜍でMuse Spark 1.3が䞊です24䜍。GLM 5.2は36䜍。
  • コヌディングの評䟡はアリヌナ順䜍でMuse Spark 1.3が䞊です15䜍。GLM 5.2は46䜍。
  • 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

Muse Spark 1.3

原因は `price` が**文字列 `str`型**で返っおきおいるこずです。 `quantity` は `int` なのに、`price` は `"1200"` のような文字列になっおいるため、数倀同士の掛け算ができずに ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` になっおいたす。 これはよくあるパタヌンで、DBのドラむバが `DECIMAL / NUMERIC` 型を `str` や `Decimal` で返したり、カラム自䜓が `VARCHAR` だったりするのが原因です。 ### 修正方法 掛け算する前に数倀に倉換しおください。金額蚈算なので `float` より `Decimal` がおすすめです。 **修正前:** ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` **修正埌:** ```python from decimal import Decimal, InvalidOperation def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", (user_id,)) total = Decimal("0") for order in orders:

応答時間 29.8秒出力 3100 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

Muse Spark 1.3

この関数は動きたすが、実務レベルで芋るず改善点がかなりありたす。可読性・パフォヌマンス・ベストプラクティスの3芳点で敎理したす。 ### 総評 䞀番の問題は3぀です 1. `any` で型安党性がれロ 2. ゚ラヌハンドリングがれロ1回倱敗したら党滅、無限ルヌプの可胜性あり 3. ペヌゞ取埗が完党逐次で遅い ### 1. 可読性の問題 **Beforeの問題点** ```ts for (let i = 0; i < data.users.length; i++) { if (data.users[i].status !== "deleted") { let user = { id: data.users[i].id, name: data.users[i].first_name + " " + data.users[i].last_name, // ... }; ``` * C蚀語颚の `for(i=0...)` はTSではほが䞍芁。`for...of` / `filter` + `map` の方が意図が明確 * `data.users[i]` の繰り返しアクセスは読みにくいし、タむプミスの枩床 * `let user` は再代入しないので `const` * `" " +` よりテンプレヌトリテラル * `currentPage = currentPage + 1` → `currentPage++` * `hasMore` フラグ管理が冗長 * マゞックナンバヌ `100` ずマゞック文字列 `"

応答時間 28.3秒出力 2723 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

Muse Spark 1.3

このク゚リが遅いのはむンデックス䞍足だけが原因ではありたせん。 **結果が間違った䞊で、遅くなっおいたす。** 4぀の臎呜的な問題がありたす。 ### 1. 䞀番倧きなバグ: JOINで数字が膚れ䞊がる ```sql LEFT JOIN order_details od ON od.product_id = p.id LEFT JOIN orders o ON ... LEFT JOIN reviews r ON r.product_id = p.id ``` 商品に泚文が N件、レビュヌが M件あるず、JOIN結果は `N x M` 行になりたす。 䟋: 泚文10件 x レビュヌ5件 = 50行 `SUM(o.amount)`, `COUNT(o.order_id)`, `AVG(r.rating)` が党お **数倍に氎増し** されたす。 > さらに `orders.amount` は泚文党䜓の金額ですよね1泚文に商品A,Bが入っおいたら、AでもBでも同じ金額をSUMしおしたい二重蚈䞊になりたす。本来は `order_details.amount / quantity * price` の方を集蚈すべきです。 **察策: JOINする前に先に集蚈する。** これが最適化のキモです。 ### 2. LEFT JOINが意味をなしおいない ```sql LEFT JOIN orders o ON ... WHERE o.created_at >= '2024-04-01' ``` LEFT JOINで `o` がNULLの行を䜜っおも、WHEREで `o.

応答時間 31.8秒出力 3071 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Muse Spark 1.3、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、Muse Spark 1.3は¥747.65で、GLM 5.2の方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.2ずMuse Spark 1.3のコンテキスト長の違いは
GLM 5.2は1,048,576トヌクン、Muse Spark 1.3は1,048,576トヌクンです。
GLM 5.2ずMuse Spark 1.3、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではMuse Spark 1.3が䞊ですGLM 5.2 36䜍、Muse Spark 1.3 24䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 5.2ずMuse Spark 1.3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 "muse-spark-1.3" 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Muse Spark 1.3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Muse Spark 1.3をチャットで詊す

GLM 5.2の他の比范

Muse Spark 1.3の他の比范