FastMetal

モデル比范

GLM 5.3 Flash vs gpt-oss-20b

料金・コンテキスト長・実際の回答で比范2026幎11月時点

GLM 5.3 FlashZ.aiずgpt-oss-20bOpenAI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 5.3 Flashopenai logogpt-oss-20b
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥25.2Â¥5.04
出力100䞇トヌクンあたり¥84Â¥23.52
想定コスト入力1,000・出力500トヌクン × 1,000回¥67Â¥17
コンテキスト長1,310,720 トヌクン131,072 トヌクン
リリヌス日2026/8/262025/8/5
入力モダリティtext, image, videotext
生成速床 (p50)—114 トヌクン/秒 (n=19)
アリヌナ 総合#33 · ELO 1,477#270 · ELO 1,317
アリヌナ 日本語#37 · ELO 1,457#200 · ELO 1,255
アリヌナ コヌディング#28 · ELO 1,526#252 · ELO 1,368

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、2026-10-28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gpt-oss-20b。出力100䞇トヌクンあたり¥23.52で、GLM 5.3 Flashより72%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGLM 5.3 Flashが䞊です33䜍。gpt-oss-20bは270䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 5.3 Flashが䞊です37䜍。gpt-oss-20bは200䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGLM 5.3 Flashが䞊です28䜍。gpt-oss-20bは252䜍。
  • 長い文曞を扱うならGLM 5.3 Flash。コンテキスト長は1,310,720トヌクンで、gpt-oss-20bの131,072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 5.3 Flash

## 原因 ゚ラヌメッセヌゞ `unsupported operand type(s) for *: 'str' and 'int'` の巊偎が `order["price"]` なので、**`price` が文字列strずしお取埗されおいる**のが原因です。`quantity` は int なので、数倀カラムは正垞に取埗できおいたす。 考えられる原因は次のずおりです可胜性が高い順 1. **DBの `price` カラムが VARCHAR / TEXT 型で定矩されおいる**最も可胜性が高い 2. 䜿甚しおいるDBドラむバやラッパヌの蚭定により、文字列ずしお返されおいる 3. JSONなど経由でデヌタを取埗しおいお、priceだけ文字列化されおいる ### 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おください。 ## 修正方法 ### 根本察策 DBスキヌマを修正する掚奚 金額は数倀型で持぀べきです。既存デヌタに倉換できない倀空文字、カンマ付きなどがないか先に確認しおく 
応答時間 45.3秒出力 2329 トヌクン

gpt-oss-20b

## 1. ゚ラヌの原因 ```python TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` - `order["price"]` が **文字列 (`str`)** である - `order["quantity"]` が **æ•Žæ•° (`int`)** である - `str * int` は挔算できないため䟋倖が発生 ### 䜕で `price` が文字列になるのか | DB | 兞型的な戻り倀の型 | 文字列になるケヌス | |-----|------------------|---------------------| | PostgreSQLpsycopg2 | `Decimal` | なし数倀型は `Decimal` | | MySQLmysql‑connector / pymysql | `Decimal` たたは `str` | `use_unicode=True` や `cursorclass=` が蚭定されおいるず文字列になる | | SQLitesqlite3 | `int`/`float` | なし | したがっお、今回䜿われおいる `db.query()` では䟡栌列が **文字列ずしお返されおいる** こずが原因です。 --- ## 2. 修正方法 ### ① 数倀型ぞキャストしお足し算 ```python def get_user_orders(user_id): # ① ク゚リ実行 orders = db.quer

応答時間 10.0秒出力 1365 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 5.3 Flash

# コヌドレビュヌ 党䜓的な構造は分かりやすいですが、**型安党性・゚ラヌハンドリング・可読性**に改善の䜙地がかなりありたす。重芁床順に挙げたす。 --- ## 1. 重倧な問題(ベストプラクティス) ### `any[]` による型情報の喪倱 戻り倀が `any[]` だず、呌び出し偎でタむプミスやプロパティ倉曎がコンパむル時に怜出できたせん。むンタヌフェヌスを定矩すべきです。 ### HTTP゚ラヌの未チェック `fetch` は 404 や 500 でも䟋倖を投げたせん。`response.ok` を確認しないず、゚ラヌレスポンスの JSON をパヌスしようずしお謎の゚ラヌになりたす。 ### `data.users` の防埡チェックなし APIの仕様倉曎や゚ラヌ時に `data.users` が `undefined` だず、`.length` で即座にクラッシュしたす。 ### 無限ルヌプのリスク API 偎のバグで垞に100件返る堎合、ルヌプが終わりたせん。最倧ペヌゞ数やタむムアりト(AbortSignal)の考慮があるず安党です。 --- ## 2. 可読性 | 珟状 | 改善案 | |---|---| | `data.users[i].xxx` の繰り返し | `for...of` でオブゞェクトを盎接受け取る | | `first_name + " " + last_name` | テンプレヌトリテラル `` `${a} ${b}` `` | | `currentPage = currentPage + 1` | `currentPage

応答時間 85.2秒出力 3638 トヌクン

gpt-oss-20b

## ① ざっくりした実装抂芁 ```ts async function fetchAllUsers(page: number = 1): Promise<any[]> { /* 
 */ } ``` - 1ペヌゞに぀き最倧100件取埗し、`status !== "deleted"` のレコヌドだけを `id / name / email` らしき構造䜓に敎圢。 - **ペヌゞングを手動**で止めるために while‑loop で繰り返し呌び出す → 連続で **1 ぀ず぀盎列**に `fetch` しおいる。 - `any` をそのたた返しおいる。 - ゚ラヌ凊理・型定矩・可読性・パフォヌマンスに関しおは改善䜙地が倚々ある。 --- ## ② 可読性コヌドの芋やすさ・保守性を向䞊させる | 珟状 | 改善案 | 具䜓䟋 | |------|--------|--------| | ① `any` を䜿っおいる | 型を定矩し、返华型を `User[]` に | ```ts interface User { id: number; name: string; email: string; } ``` | | ② ルヌプの内郚でむンデックスを䜿う | `for...of` + デストラクチャリング | ```ts for (const u of data.users) { 
 } ``` | | ③ `if (data.users.length < 100)` で終了刀定 | `data.users.splice` で終端を刀断 | –蚭蚈 
応答時間 62.4秒出力 3181 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 5.3 Flash

# ボトルネックの分析 ## 1. 最重芁ファンアりトで集蚈倀が壊れおいる(性胜以前のバグ) `order_details`(泚文経由)ず `reviews` を**同レベルで** products に LEFT JOIN するず、䞡者の組み合わせで行が盎積的に増殖したす。 䟋商品Aに泚文明现10件・レビュヌ3件 → 結合埌30行 - `SUM(o.amount)` → 泚文1件あたりレビュヌ数(3倍)に氎増し - `AVG(r.rating)` → 泚文数で重み付けが倉わり䞍正確 - `COUNT(o.order_id)` → 明现行数を数えおいる **むンデックスを远加しお速くしおも、数倀は誀ったたた**なので、たず構造を倉える必芁がありたす。 ## 2. WHERE 句が LEFT JOIN を無効化しおいる `o.created_at >= '2024-04-01'` が WHERE 句にあるため、NULL 行が陀去され、LEFT JOIN が実質 INNER JOIN になりたす。「売䞊0の商品も衚瀺したい」意図ならバグです。 ## 3. むンデックス䞍足 `order_details(product_id)`、`reviews(product_id)` などの結合キヌにむンデックスがないため、5M行のテヌブルに毎回シヌケンシャルスキャン+ハッシュ結合が発生したす。 --- # 修正版ク゚リ(先に集蚈しおから結合) ```sql WITH sales AS ( SELECT od.product_id, COUNT(DI

応答時間 116.2秒出力 5554 トヌクン

gpt-oss-20b

## ① なぜ 30 秒かかるのか | 䞻芁なボトルネック | 具䜓的な症状 | |------------------|--------------| | **テヌブルスキャン** | `orders` ず `order_details` は 500 䞇行を超える可胜性がある。`WHERE o.status = '完了' AND o.created_at >= 
` の条件が **`orders` の単䞀列にしかむンデックスが無いので** たず党行を読み蟌み、次に結合のために行を再スキャン | | **結合条件が倚い** | `LEFT JOIN` では結合条件を満たせない行もすべお取埗しなければならない。`orders` のフィルタは `ON` ではなく `WHERE` に曞かれおおり、`LEFT JOIN` を `INNER JOIN` に倉えるこずで䞍芁な行が結合に入る | | **GROUP BY のキヌが冗長** | `GROUP BY p.product_name , c.category_name` はテヌブルスキャン埌にしばしば **テキスト列** でグルヌプ化し、玢匕の恩恵が少ない | | **ORDER BY ず LIMIT** | `ORDER BY total_sales DESC NULLS LAST` は集蚈結果党䜓を゜ヌトする必芁がある。Top‑N を返すだけなので `HAVING COUNT(*)>0` でフィルタした埌に `ROW_NUMBER()` を䜿えば郚分゜ヌトで枈む | > 以䞊の理由で**党行を走査しながら集蚈**・**゜ヌ 
応答時間 20.4秒出力 2648 トヌクン

他のプロンプトでも比范する →

よくある質問

GLM 5.3 Flashずgpt-oss-20b、料金はどちらが安いですか
出力100䞇トヌクンあたりGLM 5.3 Flashは¥84、gpt-oss-20bは¥23.52で、gpt-oss-20bの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.3 Flashずgpt-oss-20bのコンテキスト長の違いは
GLM 5.3 Flashは1,310,720トヌクン、gpt-oss-20bは131,072トヌクンです。
GLM 5.3 Flashずgpt-oss-20b、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 5.3 Flashが䞊ですGLM 5.3 Flash 37䜍、gpt-oss-20b 200䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 5.3 Flashずgpt-oss-20b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-5.3-flash" たたは "gpt-oss-20b" 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 5.3 Flashずgpt-oss-20b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 5.3 Flashをチャットで詊すgpt-oss-20bをチャットで詊す

GLM 5.3 Flashの他の比范

gpt-oss-20bの他の比范