GLM 5.3 vs GPT-4o-mini
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（Z.ai）とGPT-4o-mini（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
 GLM 5.3 |  GPT-4o-mini | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥235.2 | ¥25.2 |
| 出力（100万トークンあたり） | ¥739.2 | ¥100.8 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥605 | ¥76 |
| コンテキスト長 | 1,048,576 トークン | 128,000 トークン |
| リリース日 | 2026/8/18 | 2024/7/18 |
| 入力モダリティ | text | text, image, file |
| 生成速度 (p50) | 87 トークン/秒 (n=17) | 126 トークン/秒 (n=28) |
| アリーナ 総合 | #28 · ELO 1,481 | #268 · ELO 1,318 |
| アリーナ 日本語 | #28 · ELO 1,467 | #207 · ELO 1,251 |
| アリーナ コーディング | #28 · ELO 1,526 | #276 · ELO 1,347 |
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-4o-mini。出力100万トークンあたり¥100.8で、GLM 5.3より86%安くなります。
- 総合の評価はアリーナ順位でGLM 5.3が上です（28位。GPT-4o-miniは268位）。
- 日本語の評価はアリーナ順位でGLM 5.3が上です（28位。GPT-4o-miniは207位）。
- コーディングの評価はアリーナ順位でGLM 5.3が上です（28位。GPT-4o-miniは276位）。
- 長い文書を扱うならGLM 5.3。コンテキスト長は1,048,576トークンで、GPT-4o-miniの128,000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
## 原因
`TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、**文字列と数値を掛け算しようとして失敗**したエラーです。エラーメッセージの並びから、`order["price"]` が文字列（`'1000'` など）、`order["quantity"]` が整数で返されていると推測できます。
つまり、DBから取得した値の型が期待（数値）と異なっています。典型的な要因は：
1. **`price` カラムが `VARCHAR` / `TEXT` などの文字列型で定義されている**（最も可能性が高い）
2. `DECIMAL` 型カラムを、ドライバーの設定や `db.query()` ラッパーの処理によって文字列として受け取っている
3. JSON 経由などで一度文字列化されたデータを使っている
## 確認方法
まず実際の型を確認してください：
```python
print(type(orders[0]["price"]), repr(orders[0]["price"]))
print(type(orders[0]["quantity"]), repr(orders[0]["quantity"]))
# 例: <class 'str'> '1000' ← これが原因
```
スキーマも確認します（MySQLの例）：
```sql
SELECT column_name, data_type FROM information_schema.columns
WHERE table_…
応答時間 93.0秒出力 7073 トークン
GPT-4o-mini
エラーメッセージ「TypeError: unsupported operand type(s) for *: 'str' and 'int'」から判断すると、`order["price"]`または`order["quantity"]`のいずれかが文字列（`str`）であり、整数（`int`）と掛け算をしようとして失敗しています。この場合、`price`や`quantity`を数値型に変換する必要があります。
以下のように修正できます：
```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, "total": total, "orders": orders}
```
### 修正点：
1. `order["price"]`を`float(order["price"])`に変更して、文字列を浮動小数点数に変換。
2. `order["quantity"]`を`int(order["quantity"])`に変更して、文字列を整数に変換。
これにより、計算が正常に行われるようになり、エラーが解消されるはずです。
### 注意点：
- データベースから…
応答時間 3.1秒出力 345 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
# コードレビュー
全体的にロジックは正しく動作しますが、いくつかの改善点があります。カテゴリ別に整理します。
## 1. 型安全性
**課題：`any` の使用**
`Promise<any[]>` や `allUsers: any[]` はTypeScriptの型チェックを無効化しており、タイポや存在しないプロパティへのアクセスを実行時まで検出できません。
```typescript
// APIレスポンスと返却値の型を定義すべき
interface ApiUser {
id: number;
first_name: string;
last_name: string;
email: string;
status: 'active' | 'deleted';
}
interface User {
id: number;
name: string;
email: string;
}
```
## 2. エラー処理
**課題：`response.ok` のチェックがない**
HTTP 404 や 500 でも `fetch` は例外を投げず、`response.json()` が失敗するか意図しないデータを返します。また、ネットワークエラー時の挙動も考慮されていません。
```typescript
const response = await fetch(url);
if (!response.ok) {
throw new Error(`ユーザー取得に失敗しました (status: ${response.status})…
応答時間 42.3秒出力 3589 トークン
GPT-4o-mini
関数 `fetchAllUsers` について、可読性・パフォーマンス・ベストプラクティスの観点からいくつかの改善点を提案します。
### 1. `Promise<any[]>` の型定義を明確に
返り値の型を `any[]` とするのは避けるべきです。適切な型定義を作成することで、可読性と安全性を向上させることができます。
```typescript
interface User {
id: number;
name: string;
email: string;
}
async function fetchAllUsers(page: number = 1): Promise<User[]> {
```
### 2. 名前付き変数の使用
`currentPage` という変数名より、直接 `page` 変数を更新するほうが理解しやすくなります。また、ページネーションに関する処理を関数内で管理することで、より明確になります。
### 3. `for` ループから `Array.filter` と `Array.map` を活用
データをフィルタリングし、必要な情報を整理する場合、配列の `filter` と `map` メソッドを使うことで、コードが簡潔かつ読みやすくなります。
### 4. エラーハンドリング
`fetch` の結果が成功かどうかチェックし、エラーを適切に処理することをお勧めします。
### 5. テンプレート文字列の使用
ユーザーの名前を結合する際にはテンプレートリテラルを使うと、読みやすさが向上します。
### 改善…
応答時間 10.8秒出力 720 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
# ボトルネックの分析
このクエリが遅い原因は大きく4つあり、中には**速度だけでなく集計結果が誤る致命的な問題**も含まれています。
### 1. ファンアウト(多対多結合)による行の爆発 ← 最重要
`order_details`(1商品に複数行)と `reviews`(1商品に複数行)を同じ `product_id` で結合しているため、**掛け算で行が膨張**します。
例：ある商品に注文明細100件・レビュー20件 → 結合後に **2,000行** 生成。500万行テーブルでは中間結果が数千万〜数億行になり、GROUP BYとソートが破綻します。
しかも集計値も不正確になります:
- `COUNT(o.order_id)` … 注文数×レビュー数で過大計上
- `SUM(o.amount)` … レビュー数分だけ多重カウント
- `AVG(r.rating)` … 注文数の多い商品の評価が不当に重み付けされる
### 2. WHERE句がLEFT JOINの意味を壊している
`WHERE o.created_at >= '2024-04-01'` は `o.created_at` がNULLの行(=受注のない商品)を除外するため、`orders` へのLEFT JOINは**実質INNER JOIN**です。意図が「全商品を出す」ならバグ、「受注ありのみ」ならINNER JOINと明示すべきです。
### 3. 外部キー列にインデックスがない
`order_details.product_id`、`reviews.product_id`、`order…
応答時間 85.5秒出力 6256 トークン
GPT-4o-mini
このSQLクエリを高速化するために、以下の点に注意してインデックスを追加・最適化し、方針を見直すことが重要です。主な改善点を説明します。
### 1. インデックスの追加
- **インデックスの追加**
- `orders` テーブルに `status` と `created_at` についての複合インデックスを追加します。
```sql
CREATE INDEX idx_orders_status_created_at ON orders(status, created_at);
```
- `order_details` および `reviews` テーブルの `product_id` に対してインデックスを追加します。これにより、結合処理が高速化されます。
```sql
CREATE INDEX idx_order_details_product_id ON order_details(product_id);
CREATE INDEX idx_reviews_product_id ON reviews(product_id);
```
### 2. 条件の見直し
- **INNER JOINの使用**
- `status` が '完了' の注文だけを対象にしているため、LEFT JOINをINNER JOINに変更することを検討します。ただし、この変更は、`orders` テーブルに該当する注文がない商品も表示する必要がある場合には影響しますので、この点を考慮する必要があります。
```…
応答時間 7.2秒出力 892 トークン
よくある質問
- GLM 5.3とGPT-4o-mini、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は¥739.2、GPT-4o-miniは¥100.8で、GPT-4o-miniの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.3とGPT-4o-miniのコンテキスト長の違いは？
- GLM 5.3は1,048,576トークン、GPT-4o-miniは128,000トークンです。
- GLM 5.3とGPT-4o-mini、評価が高いのはどちらですか？
- 公開アリーナの順位ではGLM 5.3が上です（GLM 5.3 28位、GPT-4o-mini 207位）。順位はリーダーボードの更新で変わります。
- GLM 5.3とGPT-4o-mini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" または "gpt-4o-mini" 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とGPT-4o-mini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。