モデル比較

GLM 5.3 FlashX vs Kimi K3.1 Pro

料金・コンテキスト長・実際の回答で比較(2026年10月時点)

GLM 5.3 FlashX(Z.ai)とKimi K3.1 Pro(Moonshot)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 FlashXmoonshotai logoKimi K3.1 Pro
提供元Z.aiMoonshot
入力(100万トークンあたり)¥66.12¥336
出力(100万トークンあたり)¥223.38¥1,680
想定コスト(入力1,000・出力500トークン × 1,000回)¥178¥1,176
コンテキスト長1,048,576 トークン1,048,576 トークン
リリース日2026/9/182026/10/23
入力モダリティtext, image, videotext, image, video
生成速度 (p50)339 トークン/秒 (n=19)—
アリーナ 総合圏外圏外
アリーナ 日本語圏外圏外
アリーナ コーディング圏外圏外

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、2026-10-22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GLM 5.3 FlashX。出力100万トークンあたり¥223.38で、Kimi K3.1 Proより87%安くなります。
  • 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

Kimi K3.1 Pro

### 原因 `price` が数値ではなく文字列として扱われているため、数値同士の乗算ができていません。典型的には、DB の `price` カラムが `VARCHAR/TEXT` になっているか、DB アクセス層が値を文字列として返しています。 `quantity` も文字列で返る場合があるため、計算前に両方を明示的に数値へ変換してください。 ### 修正例 金額計算では、浮動小数点誤差を避けるため `float` より `Decimal` が適しています。 ```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 = Decimal("0") for order in orders: price = Decimal(str(order["price"])) quantity = int(order["quantity"]) total += price * quantity return { "user_id": user_id, "total": total, "orders": orders, } ``` `Deci…
応答時間 197.0秒

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

Kimi K3.1 Pro

全体として、全ページを順に取得し、`deleted` を除外して返す意図は明確です。本番利用を前提にすると、優先して改善したいのは **型安全性・HTTPエラー処理・ページネーションの終了条件** です。 ## 主な改善点 ### 1. `any` をなくし、API型と返却型を定義する `Promise<any[]>` や `any[]` では、プロパティ名の typo やAPI仕様との不一致をコンパイル時に検出できません。 - APIレスポンス用の `ApiUser` - 加工後の返却値用の `User` を分けて定義すると、変換処理の意図も明確になります。 ### 2. `response.ok` を確認する `fetch` は404や500などのHTTPエラーだけでは reject されません。現状は、エラーレスポンスをそのままJSONとして処理し、`data.users.length` などで分かりにくい例外になる可能性があります。 エラーを空配列に置き換えず、呼び出し側で処理できるよう例外として伝播させるのがおすすめです。 ### 3. ページネーションの前提を明確にする `data.users.length < 100` による終了判定は、次のAPI仕様を前提にしています。 - サーバーが `limit=100` を厳密に尊重する - 最終ページ以外は必ず100件返る APIが `hasNext`、`nextCursor`、`totalPages` などを返すなら、配列長ではなくそちらを使う方が安全です。なお、最終ページがちょうど100件の場…
応答時間 347.7秒

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

Kimi K3.1 Pro

インデックス追加だけでなく、**JOINによる行の膨張(fan-out)を解消する**のが重要です。元のクエリは、性能以前に集計結果が不正になる可能性もあります。 ## 元クエリの問題 - ある商品に注文明細が100行、レビューが20件あると、集計前に **2,000行**になります。 - そのため、`COUNT(o.order_id)` や `SUM(o.amount)` がレビュー数分だけ膨らむことがあります。 - `WHERE o.created_at >= ...` があるため、注文系の `LEFT JOIN` は実質 `INNER JOIN` です。無注文の商品は除外されています。 - `GROUP BY p.product_name, c.category_name` では、同名の別商品まで合併する可能性があります。通常は商品ID単位で集計すべきです。 ## 書き換え例 注文集計とレビュー集計を分離し、レビューは売上上位50商品に絞ってから集計します。 ```sql WITH sales AS ( SELECT od.product_id, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM products p JOIN order_details od ON od.product_id = p.id JOIN orders o ON o.order_id = od.o…
応答時間 303.5秒

他のプロンプトでも比較する →

よくある質問

GLM 5.3 FlashXとKimi K3.1 Pro、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、Kimi K3.1 Proは¥1,680で、GLM 5.3 FlashXの方が安くなります(FastMetalの円建て単価・税別)。
GLM 5.3 FlashXとKimi K3.1 Proのコンテキスト長の違いは?
GLM 5.3 FlashXは1,048,576トークン、Kimi K3.1 Proは1,048,576トークンです。
GLM 5.3 FlashXとKimi K3.1 Pro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 "kimi-k3.1-pro" 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Kimi K3.1 Pro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

Kimi K3.1 Proの他の比較