モデル比范

GLM 5.3 FlashX vs GPT-5.6 Luna

料金・コンテキスト長・実際の回答で比范2026幎9月時点

GLM 5.3 FlashXZ.aiずGPT-5.6 Luna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 FlashXopenai logoGPT-5.6 Luna
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥66.12Â¥35.74
出力100䞇トヌクンあたり¥223.38Â¥214.44
想定コスト入力1,000・出力500トヌクン × 1,000回¥178Â¥143
コンテキスト長1,048,576 トヌクン1,050,000 トヌクン
リリヌス日2026/9/182026/7/9
入力モダリティtext, image, videofile, image, text
生成速床 (p50)——
アリヌナ 総合圏倖#67 · ELO 1,452
アリヌナ 日本語圏倖#42 · ELO 1,439
アリヌナ コヌディング圏倖#71 · ELO 1,498

料金はFastMetalの円建お単䟡皎別。アリヌナ順䜍は公開リヌダヌボヌドの最新取埗時点の倀です。

どちらを遞ぶべきか

  • 料金重芖ならGPT-5.6 Luna。出力100䞇トヌクンあたり¥214.44で、GLM 5.3 FlashXより4%安くなりたす。
  • 長い文曞を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トヌクンで、GLM 5.3 FlashXの1,048,576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 FlashX

## 原因 ゚ラヌメッセヌゞ `unsupported operand type(s) for *: 'str' and 'int'` は、**`price` か `quantity` のどちらかが文字列strになっおいる**ために発生しおいたす。`str * int` ずいう掛け算は定矩されおいないため、Python が TypeError を投げおいたす。 最も可胜性が高いのは、**デヌタベヌスの `price` カラムが VARCHAR / TEXT などの文字列型で定矩されおいる**こずです。その堎合、取埗した倀は `"1200"` のような文字列になりたす。 たずは以䞋で実際の型を確認できたす ```python for order in orders: print(type(order["price"]), type(order["quantity"])) # 䟋: <class 'str'> <class 'int'> ← price が文字列 ``` ## 修正方法 ### 1. 根本察凊DB のカラム型を修正掚奚 ```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 の堎合 ALTER TABLE orders MODIFY price DECIMAL(10

応答時間 77.8秒出力 1520 トヌクン

GPT-5.6 Luna

原因は、`order["price"]` が文字列`str`ずしお取埗されおいるのに、`order["quantity"]` は敎数`int`であるためです。 ```python "1000" * 2 ``` は数倀の乗算ではなく、文字列の繰り返しずしお扱われるため、`str` ず `int` の乗算で゚ラヌになりたす。 ## 修正䟋Python偎で型倉換する 金額を扱うため、`float` ではなく `Decimal` を䜿うのが安党です。 ```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` に倉換しお正確に蚈算できたす。 ## SQL偎で数倀型に倉 
応答時間 6.7秒出力 775 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 FlashX

# コヌドレビュヌ 党䜓的な構造は理解しやすいですが、**゚ラヌハンドリングの欠劂**ず**型安党性の欠劂**が倧きな課題です。優先床順に指摘したす。 --- ## 🔎 重芁床: 高 ### 1. ゚ラヌハンドリングが䞀切ない `fetch` は HTTP 404/500 でも䟋倖を投げたせん。`response.ok` をチェックしないず、゚ラヌレスポンスの HTML を `json()` でパヌスしお謎の䟋倖で萜ちる、ずいう事故になりたす。 ### 2. `any` 型でTypeScriptの意味がない ```typescript Promise<any[]> // 戻り倀の型が䞍明 const data = await response.json(); // data は any → data.usr のようなタむポが怜出されない ``` ### 3. 無限ルヌプのリスク `hasMore` の終了条件は API 偎の挙動に完党に䟝存しおいたす。ペヌゞネヌション実装のバグや、垞に100件返す異垞系で**無限ルヌプ→フリヌズ**したす。安党装眮が必芁です。 --- ## 🟡 重芁床: äž­ ### 4. マゞックナンバヌ `100` が2箇所 URL ず比范条件の䞡方に登堎したす。片方だけ倉曎するず壊れる朜圚倧バグです。 ### 5. 終了条件が脆匱 `data.users.length < 100` は「最終ペヌゞがちょうど100件だず無駄なリク゚ストが1回発生する」うえ、APIの実装詳现に密結合しおいたす。APIが `has_more

応答時間 30.0秒出力 4771 トヌクン

GPT-5.6 Luna

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避ける `any` だずプロパティ名の誀りやレスポンス圢匏の倉曎を怜知できたせん。APIレスポンスず戻り倀に型を定矩するず可読性ず安党性が向䞊したす。 ### 2. HTTP゚ラヌを確認する `fetch` は、404や500でも䟋倖を投げずに `Response` を返したす。`response.ok` を確認する必芁がありたす。 ### 3. マゞックナンバヌを定数化する `100` はペヌゞサむズを衚しおいるため、定数にするず意図が明確になりたす。 ### 4. ペヌゞング条件をAPIのメタデヌタに䟝存させる `data.users.length < 100` ずいう刀定は、API仕様に䟝存しおいたす。可胜であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。 ### 5. `for` ずむンデックス参照を簡略化する `for...of`、`filter`、`map` などを䜿うず、凊理内容が読みやすくなりたす。 ## 改善䟋 ```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 FlashX

# 䞻な問題点 ## 1. 最重芁ファンアりト(行の爆発)で集蚈結果が壊れおいる `order_details` → `orders` ず `reviews` を**独立に**結合しおいるため、䞡者の盎積が発生したす。 䟋ある商品に泚文100件・レビュヌ50件あるず、1商品に぀き **100 × 50 = 5,000行** が生成されたす。その結果: - `SUM(o.amount)` 
 レビュヌ数倍に**氎増しされる(誀り)** - `COUNT(o.order_id)` 
 同様に誀り - `AVG(r.rating)` 
 䞀様に耇補されるため倀は偶然正しいが、無駄な蚈算 パフォヌマンス以前に**正しい結果が取れおいたせん**。 ## 2. WHERE句がLEFT JOINを無効化しおいる ```sql LEFT JOIN orders o ON ... WHERE o.created_at >= '2024-04-01' -- ← NULLだず比范䞍可で行が消える ``` これにより泚文のない商品は党お陀倖され、LEFT JOINが実質INNER JOINになりたす。意図的に党商品を衚瀺したい堎合はJOIN条件に移動する必芁がありたす。 ## 3. 結合しおから集蚈しおいる 巚倧な䞭間結果を䜜っおからGROUP BYしおいるため、゜ヌト/ハッシュのコストが莫倧になりたす。「**先に集蚈→埌に結合**」が基本です。 ## 4. むンデックス䞍足 `order_details(product_id)`, `order_details(orde

応答時間 35.6秒出力 5284 トヌクン

GPT-5.6 Luna

䞻な問題は、単にむンデックス䞍足だけではありたせん。 1. `reviews` をそのたた JOIN しおいるため、泚文行ずレビュヌ行の組み合わせで行数が膚匵する 2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しおいるため、実質的に `INNER JOIN` になっおいる 3. 500䞇行を JOIN しおから `GROUP BY` しおいる 4. `order_details` に `product_id` のむンデックスがない 泚文集蚈ずレビュヌ集蚈を先に商品単䜍で集玄しおから JOIN するのが効果的です。 ## 改善埌のク゚リ 「泚文が存圚する商品だけを衚瀺する」ずいう、元のク゚リず同じ意味を維持する堎合です。 ```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 FlashXずGPT-5.6 Luna、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 FlashXは¥223.38、GPT-5.6 Lunaは¥214.44で、GPT-5.6 Lunaの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.3 FlashXずGPT-5.6 Lunaのコンテキスト長の違いは
GLM 5.3 FlashXは1,048,576トヌクン、GPT-5.6 Lunaは1,050,000トヌクンです。
GLM 5.3 FlashXずGPT-5.6 Luna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-flashx" たたは "gpt-5.6-luna" 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 FlashXずGPT-5.6 Luna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。

GLM 5.3 FlashXの他の比范

GPT-5.6 Lunaの他の比范