モデル比較

GLM 5.3 FlashX vs GPT-5.6 Luna

料金・コンテキスト長・実際の回答で比較(2026年11月時点)

GLM 5.3 FlashX(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

z-ai logoGLM 5.3 FlashXopenai logoGPT-5.6 Luna
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¥201.6
想定コスト(入力1,000・出力500トークン × 1,000回)¥178¥134
コンテキスト長1,048,576 トークン1,050,000 トークン
リリース日2026/9/182026/7/9
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)163 トークン/秒 (n=28)
アリーナ 総合圏外#76 · ELO 1,453
アリーナ 日本語圏外#58 · ELO 1,433
アリーナ コーディング圏外#78 · ELO 1,502

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-5.6 Luna。出力100万トークンあたり¥201.6で、GLM 5.3 FlashXより10%安くなります。
  • 長い文書を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トークンで、GLM 5.3 FlashXの1,048,576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-5.6 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 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-5.6 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 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-5.6 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

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-5.6 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 FlashXは¥223.38、GPT-5.6 Lunaは¥201.6で、GPT-5.6 Lunaの方が安くなります(FastMetalの円建て単価・税別)。
GLM 5.3 FlashXとGPT-5.6 Luna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-5.6 Lunaは1,050,000トークンです。
GLM 5.3 FlashX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-flashx" 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追加すれば、GLM 5.3 FlashX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。

GLM 5.3 FlashXの他の比較

GPT-5.6 Lunaの他の比較