GLM 5.3 Flash vs GPT-5.6 Luna
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
GLM 5.3 Flash（Z.ai）とGPT-5.6 Luna（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 5.3 Flash |  GPT-5.6 Luna | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥13.19 | ¥35.74 |
| 出力（100万トークンあたり） | ¥43.98 | ¥214.44 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥35 | ¥143 |
| コンテキスト長 | 1,310,720 トークン | 1,050,000 トークン |
| リリース日 | 2026/8/26 | 2026/7/9 |
| 入力モダリティ | text, image, video | file, image, text |
| アリーナ 総合 | #38 · ELO 1,469 | #63 · ELO 1,452 |
| アリーナ 日本語 | 圏外 | #36 · ELO 1,444 |
| アリーナ コーディング | #11 · ELO 1,531 | #69 · 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GLM 5.3 Flash。出力100万トークンあたり¥43.98で、GPT-5.6 Lunaより79%安くなります。
- 総合の評価はアリーナ順位でGLM 5.3 Flashが上です（38位。GPT-5.6 Lunaは63位）。
- コーディングの評価はアリーナ順位でGLM 5.3 Flashが上です（11位。GPT-5.6 Lunaは69位）。
- 長い文書を扱うならGLM 5.3 Flash。コンテキスト長は1,310,720トークンで、GPT-5.6 Lunaの1,050,000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 5.3 Flash
## 原因
エラーメッセージ `unsupported operand type(s) for *: 'str' and 'int'` の左側が `order["price"]` なので、**`price` が文字列（str）として取得されている**のが原因です。`quantity` は int なので、数値カラムは正常に取得できています。
考えられる原因は次のとおりです（可能性が高い順）：
1. **DBの `price` カラムが VARCHAR / TEXT 型で定義されている**（最も可能性が高い）
2. 使用しているDBドライバやラッパーの設定により、文字列として返されている
3. JSONなど経由でデータを取得していて、priceだけ文字列化されている
### 確認方法
```python
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
print(type(orders[0]["price"])) # <class 'str'> が出れば確定
print(type(orders[0]["quantity"]))
```
MySQLなら `DESCRIBE orders;` で、PostgreSQLなら `\d orders` でカラム型を確認してください。
## 修正方法
### 根本対策： DBスキーマを修正する（推奨）
金額は数値型で持つべきです。既存データに変換できない値（空文字、カンマ付きなど）がないか先に確認してく…
応答時間 45.3秒出力 2329 トークン
GPT-5.6 Luna
原因は、`order["price"]` が文字列（`str`）として取得されているのに、`order["quantity"]` は整数（`int`）であるためです。
```python
"1000" * 2
```
は数値の乗算ではなく、文字列の繰り返しとして扱われるため、`str` と `int` の乗算でエラーになります。
## 修正例：Python側で型変換する
金額を扱うため、`float` ではなく `Decimal` を使うのが安全です。
```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
)
total = sum(
Decimal(str(order["price"])) * int(order["quantity"])
for order in orders
)
return {
"user_id": user_id,
"total": total,
"orders": orders,
}
```
`price` が `"12.50"` のような文字列でも、`Decimal` に変換して正確に計算できます。
## SQL側で数値型に変…
応答時間 6.7秒出力 775 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 5.3 Flash
# コードレビュー
全体的な構造は分かりやすいですが、**型安全性・エラーハンドリング・可読性**に改善の余地がかなりあります。重要度順に挙げます。
---
## 1. 重大な問題(ベストプラクティス)
### `any[]` による型情報の喪失
戻り値が `any[]` だと、呼び出し側でタイプミスやプロパティ変更がコンパイル時に検出できません。インターフェースを定義すべきです。
### HTTPエラーの未チェック
`fetch` は 404 や 500 でも例外を投げません。`response.ok` を確認しないと、エラーレスポンスの JSON をパースしようとして謎のエラーになります。
### `data.users` の防御チェックなし
APIの仕様変更やエラー時に `data.users` が `undefined` だと、`.length` で即座にクラッシュします。
### 無限ループのリスク
API 側のバグで常に100件返る場合、ループが終わりません。最大ページ数やタイムアウト(AbortSignal)の考慮があると安全です。
---
## 2. 可読性
| 現状 | 改善案 |
|---|---|
| `data.users[i].xxx` の繰り返し | `for...of` でオブジェクトを直接受け取る |
| `first_name + " " + last_name` | テンプレートリテラル `` `${a} ${b}` `` |
| `currentPage = currentPage + 1` | `currentPage…
応答時間 85.2秒出力 3638 トークン
GPT-5.6 Luna
以下の点を改善できます。
## 主な改善点
### 1. `any` を避ける
`any` だとプロパティ名の誤りやレスポンス形式の変更を検知できません。APIレスポンスと戻り値に型を定義すると可読性と安全性が向上します。
### 2. HTTPエラーを確認する
`fetch` は、404や500でも例外を投げずに `Response` を返します。`response.ok` を確認する必要があります。
### 3. マジックナンバーを定数化する
`100` はページサイズを表しているため、定数にすると意図が明確になります。
### 4. ページング条件をAPIのメタデータに依存させる
`data.users.length < 100` という判定は、API仕様に依存しています。可能であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。
### 5. `for` とインデックス参照を簡略化する
`for...of`、`filter`、`map` などを使うと、処理内容が読みやすくなります。
## 改善例
```ts
const PAGE_SIZE = 100;
interface ApiUser {
id: string;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersPageResponse {
users: ApiUser[];
// APIが返…
応答時間 13.6秒出力 1677 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 5.3 Flash
# ボトルネックの分析
## 1. 最重要：ファンアウトで集計値が壊れている(性能以前のバグ)
`order_details`(注文経由)と `reviews` を**同レベルで** products に LEFT JOIN すると、両者の組み合わせで行が直積的に増殖します。
例：商品Aに注文明細10件・レビュー3件 → 結合後30行
- `SUM(o.amount)` → 注文1件あたりレビュー数(3倍)に水増し
- `AVG(r.rating)` → 注文数で重み付けが変わり不正確
- `COUNT(o.order_id)` → 明細行数を数えている
**インデックスを追加して速くしても、数値は誤ったまま**なので、まず構造を変える必要があります。
## 2. WHERE 句が LEFT JOIN を無効化している
`o.created_at >= '2024-04-01'` が WHERE 句にあるため、NULL 行が除去され、LEFT JOIN が実質 INNER JOIN になります。「売上0の商品も表示したい」意図ならバグです。
## 3. インデックス不足
`order_details(product_id)`、`reviews(product_id)` などの結合キーにインデックスがないため、5M行のテーブルに毎回シーケンシャルスキャン+ハッシュ結合が発生します。
---
# 修正版クエリ(先に集計してから結合)
```sql
WITH sales AS (
SELECT
od.product_id,
COUNT(DI…
応答時間 116.2秒出力 5554 トークン
GPT-5.6 Luna
主な問題は、単にインデックス不足だけではありません。
1. `reviews` をそのまま JOIN しているため、注文行とレビュー行の組み合わせで行数が膨張する
2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しているため、実質的に `INNER JOIN` になっている
3. 500万行を JOIN してから `GROUP BY` している
4. `order_details` に `product_id` のインデックスがない
注文集計とレビュー集計を先に商品単位で集約してから JOIN するのが効果的です。
## 改善後のクエリ
「注文が存在する商品だけを表示する」という、元のクエリと同じ意味を維持する場合です。
```sql
WITH order_agg AS (
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM order_details od
INNER JOIN orders o
ON o.order_id = od.order_id
WHERE o.status = '完了'
AND o.created_at >= TIMESTAMP '2024-04-01'
GROUP BY od.product_id
),
review_agg…
応答時間 16.3秒出力 2059 トークン
よくある質問
- GLM 5.3 FlashとGPT-5.6 Luna、料金はどちらが安いですか？
- 出力100万トークンあたりGLM 5.3 Flashは¥43.98、GPT-5.6 Lunaは¥214.44で、GLM 5.3 Flashの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.3 FlashとGPT-5.6 Lunaのコンテキスト長の違いは？
- GLM 5.3 Flashは1,310,720トークン、GPT-5.6 Lunaは1,050,000トークンです。
- GLM 5.3 FlashとGPT-5.6 Luna、評価が高いのはどちらですか？
- 公開アリーナの順位ではGPT-5.6 Lunaが上です（GLM 5.3 Flash 38位、GPT-5.6 Luna 36位）。順位はリーダーボードの更新で変わります。
- GLM 5.3 FlashとGPT-5.6 Luna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-5.3-flash" または "gpt-5.6-luna" 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 5.3 FlashとGPT-5.6 Luna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。