GLM 5.3 FlashX vs LLM-jp-3.1 8x13B instruct4
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LLM-jp-3.1 8x13B instruct4（LLM-jp）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
 GLM 5.3 FlashX | LLM-jp-3.1 8x13B instruct4 | |
|---|---|---|
| 提供元 | Z.ai | LLM-jp |
| 入力（100万トークンあたり） | ¥66.12 | ¥16 |
| 出力（100万トークンあたり） | ¥223.38 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥178 | ¥56 |
| コンテキスト長 | 1,048,576 トークン | 4,096 トークン |
| リリース日 | 2026/9/18 | 2026/3/21 |
| 入力モダリティ | text, image, video | text |
| 生成速度 (p50) | 316 トークン/秒 (n=21) | 124 トークン/秒 (n=28) |
| 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、2026-10-28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LLM-jp-3.1 8x13B instruct4。出力100万トークンあたり¥79で、GLM 5.3 FlashXより65%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、LLM-jp-3.1 8x13B instruct4の4,096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
LLM-jp-3.1 8x13B instruct4
このエラーは、データベースから取得した注文リストに含まれる辞書型データの `price` と `quantity` の値が整数ではなく文字列になっていることが原因です。 `sum` 関数に渡されるジェネレータ式の中で、文字列と整数を乗算しようとしているため、 `TypeError` が発生しています。
この問題を解決するには、 `price` と `quantity` の値を取得する際に、適切に型変換を行う必要があります。以下のように修正しましょう。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
total = sum(order["price"] * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total": total, "orders": orders}
```
この修正では、 `order["quantity"]` の値を取得後、 `int()` 関数を使って整数に変換しています。これにより、ジェネレータ式の中で適切に乗算が行われ、エラーが解消されます。
ただし、 `quantity` の値が負の数の場合、 `int()` 関数を使用するとマイナスの符号が消えてしまいます。もし、 `quantity` が負の数であってもそのままマイナスの符…
応答時間 4.9秒出力 523 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
LLM-jp-3.1 8x13B instruct4
このTypeScript関数にはいくつかの改善点があります。以下に、可読性、パフォーマンス、ベストプラクティスを考慮したレビューと改良提案を示します。
1. ページングとリミットのロジックを修正し、APIからの全ての情報を取得した後にフィルタリングを行うことでパフォーマンスを向上させます。
2. undefinedやnullのチェックを追加し、型注釈を改善します。
3. 再帰的なアプローチを避け、イテレーティブな方法に変更して可読性を向上させます。
改良後、関数は以下のようになります。
```typescript
async function fetchAllUsers(page: number = 1): Promise<any[]> {
const PER_PAGE_LIMIT = 100;
const ALL_USERS: any[] = [];
while (true) {
const response = await fetch(`/api/users?page=${page}&limit=${PER_PAGE_LIMIT}`);
if (!response.ok) {
throw new Error('Failed to fetch users');
}
const data = await response.json();
if (data.users.length === 0) {
break;
}
const filteredUsers: any[] = d…
応答時間 4.5秒出力 552 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
LLM-jp-3.1 8x13B instruct4
このSQLクエリの最適化にはいくつかのステップが必要です。以下に各改善点とその理由を説明します。
### 1. インデックスの追加
現在のインデックスは `products(id)` と `orders(order_id)` のみのようですが、他にも必要なインデックスを追加することでクエリのパフォーマンスを向上させることができます。
#### 追加すべきインデックス:
- `categories(id)`: `LEFT JOIN categories` で使用されているため、インデックスを追加することで結合が高速化されます。
- `order_details(product_id, order_id)`: `LEFT JOIN order_details` で使用されているため、複合インデックスを追加することで結合が高速化されます。
- `reviews(product_id)`: `LEFT JOIN reviews` で使用されているため、インデックスを追加することで結合が高速化されます。
- `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされているため、インデックスを追加することでフィルタリングが高速化されます。
### 2. クエリのリファクタリング
クエリ自体をリファクタリングすることで、不要な結合やサブクエリを避け、パフォーマンスを向上させることができます。
#### 改善点:
- サブクエリの使用: 一部の集計をサブクエリとして分離することで、メインクエリの負荷を軽減す…
応答時間 7.9秒出力 917 トークン
よくある質問
- GLM 5.3 FlashXとLLM-jp-3.1 8x13B instruct4、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、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.3 FlashXとLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは？
- GLM 5.3 FlashXは1,048,576トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
- GLM 5.3 FlashXとLLM-jp-3.1 8x13B instruct4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 "llm-jp-3.1-8x13b-instruct4" 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LLM-jp-3.1 8x13B instruct4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
LLM-jp-3.1 8x13B instruct4の他の比較
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Sonnet 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Sonnet 5.5
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5.1
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 4.8
- LLM-jp-3.1 8x13B instruct4の詳細を見る