モデル比較

GLM 5.3 FlashX vs GPT-5.4 Nano

料金・コンテキスト長・実際の回答で比較(2026年11月時点)

GLM 5.3 FlashX(Z.ai)とGPT-5.4 Nano(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 FlashXopenai logoGPT-5.4 Nano
提供元Z.aiOpenAI
入力(100万トークンあたり)¥66.12¥33.6
出力(100万トークンあたり)¥223.38¥210
想定コスト(入力1,000・出力500トークン × 1,000回)¥178¥139
コンテキスト長1,048,576 トークン400,000 トークン
リリース日2026/9/182026/3/17
入力モダリティtext, image, videofile, image, text
生成速度 (p50)311 トークン/秒 (n=20)114 トークン/秒 (n=27)
アリーナ 総合圏外#164 · ELO 1,401
アリーナ 日本語圏外#117 · ELO 1,374
アリーナ コーディング圏外#142 · ELO 1,460

料金はFastMetalの単価(税別)です。

順位データ: LMArena leaderboard dataset(lmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-28時点)。カテゴリ名の対応付けとスコアの丸めはFastMetalによる。

どちらを選ぶべきか

  • 料金重視ならGPT-5.4 Nano。出力100万トークンあたり¥210で、GLM 5.3 FlashXより6%安くなります。
  • 長い文書を扱うならGLM 5.3 FlashX。コンテキスト長は1,048,576トークンで、GPT-5.4 Nanoの400,000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 FlashX

## 原因 エラーメッセージ `unsupported operand type(s) for *: 'str' and 'int'` は、**`price` か `quantity` のどちらかが文字列(str)になっている**ために発生しています。`str * int` という掛け算は定義されていないため、Python が TypeError を投げています。 最も可能性が高いのは、**データベースの `price` カラムが VARCHAR / TEXT などの文字列型で定義されている**ことです。その場合、取得した値は `"1200"` のような文字列になります。 まずは以下で実際の型を確認できます: ```python for order in orders: print(type(order["price"]), type(order["quantity"])) # 例: <class 'str'> <class 'int'> ← price が文字列 ``` ## 修正方法 ### 1. 根本対処:DB のカラム型を修正(推奨) ```sql -- 型の確認 SELECT COLUMN_NAME, DATA_TYPE FROM information_schema.columns WHERE table_name = 'orders' AND COLUMN_NAME IN ('price', 'quantity'); -- MySQL の場合 ALTER TABLE orders MODIFY price DECIMAL(10…
応答時間 77.8秒出力 1520 トークン

GPT-5.4 Nano

原因は **`price` が文字列(str)として返ってきているのに、`quantity` は整数(int)として計算している**ためです。 その結果、ジェネレータ内の `order["price"] * order["quantity"]` で - `order["price"]` = `"1234"` のような **str** - `order["quantity"]` = `2` のような **int** となり、`'str' * 2` のような乗算ができずに `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生しています。 --- ## 修正方法(2通り) ### 1) Python側で型変換する(まずはこれが簡単) `price` と `quantity` を数値に変換してから計算します。 ```python def get_user_orders(user_id): orders = db.query( "SELECT price, quantity FROM orders WHERE user_id = %s", user_id ) total = sum( float(order["price"]) * int(order["quantity"]) for order in orders ) return {"user_id": user_id, "tota…
応答時間 5.5秒出力 642 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 FlashX

# コードレビュー 全体的な構造は理解しやすいですが、**エラーハンドリングの欠如**と**型安全性の欠如**が大きな課題です。優先度順に指摘します。 --- ## 🔴 重要度: 高 ### 1. エラーハンドリングが一切ない `fetch` は HTTP 404/500 でも例外を投げません。`response.ok` をチェックしないと、エラーレスポンスの HTML を `json()` でパースして謎の例外で落ちる、という事故になります。 ### 2. `any` 型でTypeScriptの意味がない ```typescript Promise<any[]> // 戻り値の型が不明 const data = await response.json(); // data は any → data.usr のようなタイポが検出されない ``` ### 3. 無限ループのリスク `hasMore` の終了条件は API 側の挙動に完全に依存しています。ページネーション実装のバグや、常に100件返す異常系で**無限ループ→フリーズ**します。安全装置が必要です。 --- ## 🟡 重要度: 中 ### 4. マジックナンバー `100` が2箇所 URL と比較条件の両方に登場します。片方だけ変更すると壊れる潜在大バグです。 ### 5. 終了条件が脆弱 `data.users.length < 100` は「最終ページがちょうど100件だと無駄なリクエストが1回発生する」うえ、APIの実装詳細に密結合しています。APIが `has_more…
応答時間 30.0秒出力 4771 トークン

GPT-5.4 Nano

以下の観点(可読性・パフォーマンス・ベストプラクティス)で改善案を挙げます。 --- ## 可読性(読みやすさ) ### 1) `any` をやめる(型を付ける) `Promise<any[]>` は情報量が少なく、誤用を招きます。レスポンスの形と戻り値の型を定義しましょう。 ```ts type ApiUser = { id: string; first_name: string; last_name: string; email: string; status: "active" | "deleted" | string; }; type ApiResponse = { users: ApiUser[]; }; type UserSummary = { id: string; name: string; email: string; }; ``` ### 2) `for` を `filter` + `map` にする(意図を明確化) 現状はインデックスループで組み立てており、意図が読み取りづらいです。 ```ts const pageUsers = data.users .filter(u => u.status !== "deleted") .map(u => ({ id: u.id, name: `${u.first_name} ${u.last_name}`, email: u.email, })); allUsers.push(...pageUsers); ``` ### 3)…
応答時間 7.5秒出力 1202 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 FlashX

# 主な問題点 ## 1. 最重要:ファンアウト(行の爆発)で集計結果が壊れている `order_details` → `orders` と `reviews` を**独立に**結合しているため、両者の直積が発生します。 例:ある商品に注文100件・レビュー50件あると、1商品につき **100 × 50 = 5,000行** が生成されます。その結果: - `SUM(o.amount)` … レビュー数倍に**水増しされる(誤り)** - `COUNT(o.order_id)` … 同様に誤り - `AVG(r.rating)` … 一様に複製されるため値は偶然正しいが、無駄な計算 パフォーマンス以前に**正しい結果が取れていません**。 ## 2. WHERE句がLEFT JOINを無効化している ```sql LEFT JOIN orders o ON ... WHERE o.created_at >= '2024-04-01' -- ← NULLだと比較不可で行が消える ``` これにより注文のない商品は全て除外され、LEFT JOINが実質INNER JOINになります。意図的に全商品を表示したい場合はJOIN条件に移動する必要があります。 ## 3. 結合してから集計している 巨大な中間結果を作ってからGROUP BYしているため、ソート/ハッシュのコストが莫大になります。「**先に集計→後に結合**」が基本です。 ## 4. インデックス不足 `order_details(product_id)`, `order_details(orde…
応答時間 35.6秒出力 5284 トークン

GPT-5.4 Nano

以下のクエリは「表示列の集計(商品別)」「複数テーブル結合」「結合条件に絞り込み(o.status)」「期間条件(o.created_at)」が同時に入っているため、**現状のインデックス不足**の影響を強く受けており、特に `order_details` と `reviews` が結合の起点になって大きく膨らみやすいです。 改善のポイントは主に **(1) 結合キー用インデックス追加、(2) 条件をON/WHEREのどこに置くべきか、(3) 集計前に早く絞る(サブクエリ/CTE)、(4) GROUP BYのキー見直し**です。 --- ## 1) 最重要:結合・絞り込みに効くインデックスを追加する 現状インデックスが `products(id)` と `orders(order_id)` だけなので、ほぼ確実に下記が全表スキャン/巨大なネストループになります。 ### 必須(強く推奨) #### (A) `order_details` 用(商品→明細→注文 を辿るため) クエリでは `od.product_id = p.id` で結合しています。さらに集計で `o.created_at` / `o.status` が効きますが、まず `order_details` を商品単位に素早く絞る必要があります。 - `order_details(product_id, order_id)` ```sql CREATE INDEX idx_order_details_product_order ON order_details (product_id, o…
応答時間 13.4秒出力 2147 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 FlashXとGPT-5.4 Nano、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 FlashXは¥223.38、GPT-5.4 Nanoは¥210で、GPT-5.4 Nanoの方が安くなります(FastMetalの円建て単価・税別)。
GLM 5.3 FlashXとGPT-5.4 Nanoのコンテキスト長の違いは?
GLM 5.3 FlashXは1,048,576トークン、GPT-5.4 Nanoは400,000トークンです。
GLM 5.3 FlashXとGPT-5.4 Nano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-flashx" または "gpt-5.4-nano" 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 FlashXとGPT-5.4 Nano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 FlashXの他の比較

GPT-5.4 Nanoの他の比較