モデル比較

GLM 5.3 Flash vs GPT-6 Luna

料金・コンテキスト長・実際の回答で比較(2026年9月時点)

GLM 5.3 Flash(Z.ai)とGPT-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

z-ai logoGLM 5.3 Flashopenai logoGPT-6 Luna
提供元Z.aiOpenAI
入力(100万トークンあたり)¥26.81¥17.87
出力(100万トークンあたり)¥89.35¥89.35
想定コスト(入力1,000・出力500トークン × 1,000回)¥71¥63
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2026/8/262026/9/22
入力モダリティtext, image, videofile, image, text
生成速度 (p50)
アリーナ 総合#29 · ELO 1,475圏外
アリーナ 日本語#51 · ELO 1,427圏外
アリーナ コーディング#20 · ELO 1,525圏外

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

  • 出力料金は同額(100万トークンあたり¥89.35)です。
  • 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-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-6 Luna

`price` が数値ではなく文字列として取得されている可能性があります。金額は文字列のまま計算せず、数値型に変換してください。金額の計算には、浮動小数点数の誤差を避けるため `Decimal` を使うのがおすすめです。 ```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 , Decimal("0")) return {"user_id": user_id, "total": total, "orders": orders} ``` `quantity` も文字列で返る場合を考慮して `int()` で変換しています。なお、値が `None` や数値に変換できない文字列の場合は別途エラー処理が必要です。 また、標準的な Python では `"100" * 2` は文字列の繰り返しになるため、提示された `str` と `int` の掛け算だけなら、記載のエラーには通常なりません。文字列のまま計算すると、その後の `sum()` で別の型エ…
応答時間 11.7秒出力 1121 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-6 Luna

主な改善点は、型の明確化、HTTPエラーの確認、ループ状態の簡素化です。 ### 改善例 ```ts interface ApiUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersResponse { users: ApiUser[]; } interface UserSummary { id: string | number; name: string; email: string; } const PAGE_SIZE = 100; async function fetchAllUsers(startPage = 1): Promise<UserSummary[]> { if (!Number.isInteger(startPage) || startPage < 1) { throw new RangeError("startPage must be a positive integer"); } const allUsers: UserSummary[] = []; for (let page = startPage; ; page++) { const params = new URLSearchParams({ page: String(page), limit: String(PAGE…
応答時間 16.0秒出力 1532 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-6 Luna

まず、現在のクエリでは `reviews` と `order_details` を同時に結合しているため、注文明細数 × レビュー数の行ができ、`SUM` や `AVG` が水増しされる可能性があります。先にそれぞれを商品単位で集計し、その結果を結合するのが基本です。 また、`WHERE o.created_at >= ...` は `LEFT JOIN` した `orders` のNULL行を除外します。つまり、このクエリは実質的に「条件に合う注文がある商品だけ」を返しています。以下はその商品選択を保ちつつ、集計の水増しを避ける書き換え例です。 ```sql WITH active_products AS ( SELECT id, product_name, category_id FROM products WHERE is_active = true ), sales AS ( SELECT od.product_id, COUNT(*) AS order_count, SUM(o.amount) AS total_sales FROM active_products p JOIN order_details od ON od.product_id = p.id JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' AND o.created_at >= TIMESTAMP '2024-04-01' GROUP BY…
応答時間 27.3秒出力 2871 トークン

他のプロンプトでも比較する →

よくある質問

GLM 5.3 FlashとGPT-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の単価はどちらも¥89.35で同額です(FastMetalの円建て単価・税別)。
GLM 5.3 FlashとGPT-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-6 Lunaは1,050,000トークンです。
GLM 5.3 FlashとGPT-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-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追加すれば、GLM 5.3 FlashとGPT-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。

GLM 5.3 Flashの他の比較

GPT-6 Lunaの他の比較