FastMetal

モデル比范

GLM 5.3 vs GPT-5.4 Nano

料金・コンテキスト長・実際の回答で比范2026幎11月時点

GLM 5.3Z.aiずGPT-5.4 Nano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 5.3openai logoGPT-5.4 Nano
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥235.2Â¥33.6
出力100䞇トヌクンあたり¥739.2Â¥210
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥139
コンテキスト長1,048,576 トヌクン400,000 トヌクン
リリヌス日2026/8/182026/3/17
入力モダリティtextfile, image, text
生成速床 (p50)90 トヌクン/秒 (n=18)114 トヌクン/秒 (n=27)
アリヌナ 総合#28 · ELO 1,481#164 · ELO 1,401
アリヌナ 日本語#28 · ELO 1,467#117 · ELO 1,374
アリヌナ コヌディング#28 · ELO 1,526#142 · ELO 1,460

料金はFastMetalの単䟡皎別です。

順䜍デヌタ: LMArena leaderboard datasetlmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-28時点。カテゎリ名の察応付けずスコアの䞞めはFastMetalによる。

どちらを遞ぶべきか

  • 料金重芖ならGPT-5.4 Nano。出力100䞇トヌクンあたり¥210で、GLM 5.3より72%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGLM 5.3が䞊です28䜍。GPT-5.4 Nanoは164䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 5.3が䞊です28䜍。GPT-5.4 Nanoは117䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGLM 5.3が䞊です28䜍。GPT-5.4 Nanoは142䜍。
  • 長い文曞を扱うならGLM 5.3。コンテキスト長は1,048,576トヌクンで、GPT-5.4 Nanoの400,000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

## 原因 `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、**文字列ず数倀を掛け算しようずしお倱敗**した゚ラヌです。゚ラヌメッセヌゞの䞊びから、`order["price"]` が文字列`'1000'` など、`order["quantity"]` が敎数で返されおいるず掚枬できたす。 ぀たり、DBから取埗した倀の型が期埅数倀ず異なっおいたす。兞型的な芁因は 1. **`price` カラムが `VARCHAR` / `TEXT` などの文字列型で定矩されおいる**最も可胜性が高い 2. `DECIMAL` 型カラムを、ドラむバヌの蚭定や `db.query()` ラッパヌの凊理によっお文字列ずしお受け取っおいる 3. JSON 経由などで䞀床文字列化されたデヌタを䜿っおいる ## 確認方法 たず実際の型を確認しおください ```python print(type(orders[0]["price"]), repr(orders[0]["price"])) print(type(orders[0]["quantity"]), repr(orders[0]["quantity"])) # 䟋: <class 'str'> '1000' ← これが原因 ``` スキヌマも確認したすMySQLの䟋 ```sql SELECT column_name, data_type FROM information_schema.columns WHERE table_

応答時間 93.0秒出力 7073 トヌクン

GPT-5.4 Nano

原因は **`price` が文字列strずしお返っおきおいるのに、`quantity` は敎数intずしお蚈算しおいる**ためです。 その結果、ゞェネレヌタ内の `order["price"] * order["quantity"]` で - `order["price"]` = `"1234"` のような **str** - `order["quantity"]` = `2` のような **int** ずなり、`'str' * 2` のような乗算ができずに `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生しおいたす。 --- ## 修正方法2通り ### 1) Python偎で型倉換するたずはこれが簡単 `price` ず `quantity` を数倀に倉換しおから蚈算したす。 ```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, "tota

応答時間 5.5秒出力 642 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

# コヌドレビュヌ 党䜓的にロゞックは正しく動䜜したすが、いく぀かの改善点がありたす。カテゎリ別に敎理したす。 ## 1. 型安党性 **課題`any` の䜿甚** `Promise<any[]>` や `allUsers: any[]` はTypeScriptの型チェックを無効化しおおり、タむポや存圚しないプロパティぞのアクセスを実行時たで怜出できたせん。 ```typescript // APIレスポンスず返华倀の型を定矩すべき interface ApiUser { id: number; first_name: string; last_name: string; email: string; status: 'active' | 'deleted'; } interface User { id: number; name: string; email: string; } ``` ## 2. ゚ラヌ凊理 **課題`response.ok` のチェックがない** HTTP 404 や 500 でも `fetch` は䟋倖を投げず、`response.json()` が倱敗するか意図しないデヌタを返したす。たた、ネットワヌク゚ラヌ時の挙動も考慮されおいたせん。 ```typescript const response = await fetch(url); if (!response.ok) { throw new Error(`ナヌザヌ取埗に倱敗したした (status: ${response.status})

応答時間 42.3秒出力 3589 トヌクン

GPT-5.4 Nano

以䞋の芳点可読性・パフォヌマンス・ベストプラクティスで改善案を挙げたす。 --- ## 可読性読みやすさ ### 1) `any` をやめる型を付ける `Promise<any[]>` は情報量が少なく、誀甚を招きたす。レスポンスの圢ず戻り倀の型を定矩したしょう。 ```ts type ApiUser = { id: string; first_name: string; last_name: string; email: string; status: "active" | "deleted" | string; }; type ApiResponse = { users: ApiUser[]; }; type UserSummary = { id: string; name: string; email: string; }; ``` ### 2) `for` を `filter` + `map` にする意図を明確化 珟状はむンデックスルヌプで組み立おおおり、意図が読み取りづらいです。 ```ts const pageUsers = data.users .filter(u => u.status !== "deleted") .map(u => ({ id: u.id, name: `${u.first_name} ${u.last_name}`, email: u.email, })); allUsers.push(...pageUsers); ``` ### 3)

応答時間 7.5秒出力 1202 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

# ボトルネックの分析 このク゚リが遅い原因は倧きく4぀あり、䞭には**速床だけでなく集蚈結果が誀る臎呜的な問題**も含たれおいたす。 ### 1. ファンアりト(倚察倚結合)による行の爆発 ← 最重芁 `order_details`(1商品に耇数行)ず `reviews`(1商品に耇数行)を同じ `product_id` で結合しおいるため、**掛け算で行が膚匵**したす。 䟋ある商品に泚文明现100件・レビュヌ20件 → 結合埌に **2,000行** 生成。500䞇行テヌブルでは䞭間結果が数千䞇〜数億行になり、GROUP BYず゜ヌトが砎綻したす。 しかも集蚈倀も䞍正確になりたす: - `COUNT(o.order_id)` 
 泚文数×レビュヌ数で過倧蚈䞊 - `SUM(o.amount)` 
 レビュヌ数分だけ倚重カりント - `AVG(r.rating)` 
 泚文数の倚い商品の評䟡が䞍圓に重み付けされる ### 2. WHERE句がLEFT JOINの意味を壊しおいる `WHERE o.created_at >= '2024-04-01'` は `o.created_at` がNULLの行(=受泚のない商品)を陀倖するため、`orders` ぞのLEFT JOINは**実質INNER JOIN**です。意図が「党商品を出す」ならバグ、「受泚ありのみ」ならINNER JOINず明瀺すべきです。 ### 3. 倖郚キヌ列にむンデックスがない `order_details.product_id`、`reviews.product_id`、`order

応答時間 85.5秒出力 6256 トヌクン

GPT-5.4 Nano

以䞋のク゚リは「衚瀺列の集蚈商品別」「耇数テヌブル結合」「結合条件に絞り蟌みo.status」「期間条件o.created_at」が同時に入っおいるため、**珟状のむンデックス䞍足**の圱響を匷く受けおおり、特に `order_details` ず `reviews` が結合の起点になっお倧きく膚らみやすいです。 改善のポむントは䞻に **(1) 結合キヌ甚むンデックス远加、(2) 条件をON/WHEREのどこに眮くべきか、(3) 集蚈前に早く絞るサブク゚リ/CTE、(4) GROUP BYのキヌ芋盎し**です。 --- ## 1) 最重芁結合・絞り蟌みに効くむンデックスを远加する 珟状むンデックスが `products(id)` ず `orders(order_id)` だけなので、ほが確実に䞋蚘が党衚スキャン/巚倧なネストルヌプになりたす。 ### 必須匷く掚奚 #### (A) `order_details` 甚商品→明现→泚文 を蟿るため ク゚リでは `od.product_id = p.id` で結合しおいたす。さらに集蚈で `o.created_at` / `o.status` が効きたすが、たず `order_details` を商品単䜍に玠早く絞る必芁がありたす。 - `order_details(product_id, order_id)` ```sql CREATE INDEX idx_order_details_product_order ON order_details (product_id, o

応答時間 13.4秒出力 2147 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ずGPT-5.4 Nano、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は¥739.2、GPT-5.4 Nanoは¥210で、GPT-5.4 Nanoの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.3ずGPT-5.4 Nanoのコンテキスト長の違いは
GLM 5.3は1,048,576トヌクン、GPT-5.4 Nanoは400,000トヌクンです。
GLM 5.3ずGPT-5.4 Nano、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではGLM 5.3が䞊ですGLM 5.3 28䜍、GPT-5.4 Nano 117䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 5.3ずGPT-5.4 Nano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" たたは "gpt-5.4-nano" 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ずGPT-5.4 Nano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。

無料でアカりント䜜成GLM 5.3をチャットで詊すGPT-5.4 Nanoをチャットで詊す

GLM 5.3の他の比范

GPT-5.4 Nanoの他の比范