FastMetal

モデル比范

GLM 5.3 vs GPT-5.6 Luna

料金・コンテキスト長・実際の回答で比范2026幎10月時点

GLM 5.3Z.aiずGPT-5.6 Luna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-5.6 Luna
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¥201.6
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥134
コンテキスト長1,048,576 トヌクン1,050,000 トヌクン
リリヌス日2026/8/182026/7/9
入力モダリティtextfile, image, text
生成速床 (p50)—255 トヌクン/秒 (n=26)
アリヌナ 総合#27 · ELO 1,478#74 · ELO 1,452
アリヌナ 日本語#27 · ELO 1,462#60 · ELO 1,428
アリヌナ コヌディング#27 · ELO 1,525#75 · ELO 1,501

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、2026-10-08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-5.6 Luna。出力100䞇トヌクンあたり¥201.6で、GLM 5.3より73%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27䜍。GPT-5.6 Lunaは74䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 5.3が䞊です27䜍。GPT-5.6 Lunaは60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27䜍。GPT-5.6 Lunaは75䜍。
  • 長い文曞を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トヌクンで、GLM 5.3の1,048,576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-5.6 Luna

原因は、`order["price"]` が文字列`str`ずしお取埗されおいるのに、`order["quantity"]` は敎数`int`であるためです。 ```python "1000" * 2 ``` は数倀の乗算ではなく、文字列の繰り返しずしお扱われるため、`str` ず `int` の乗算で゚ラヌになりたす。 ## 修正䟋Python偎で型倉換する 金額を扱うため、`float` ではなく `Decimal` を䜿うのが安党です。 ```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` に倉換しお正確に蚈算できたす。 ## SQL偎で数倀型に倉 
応答時間 6.7秒出力 775 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-5.6 Luna

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避ける `any` だずプロパティ名の誀りやレスポンス圢匏の倉曎を怜知できたせん。APIレスポンスず戻り倀に型を定矩するず可読性ず安党性が向䞊したす。 ### 2. HTTP゚ラヌを確認する `fetch` は、404や500でも䟋倖を投げずに `Response` を返したす。`response.ok` を確認する必芁がありたす。 ### 3. マゞックナンバヌを定数化する `100` はペヌゞサむズを衚しおいるため、定数にするず意図が明確になりたす。 ### 4. ペヌゞング条件をAPIのメタデヌタに䟝存させる `data.users.length < 100` ずいう刀定は、API仕様に䟝存しおいたす。可胜であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。 ### 5. `for` ずむンデックス参照を簡略化する `for...of`、`filter`、`map` などを䜿うず、凊理内容が読みやすくなりたす。 ## 改善䟋 ```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-5.6 Luna

䞻な問題は、単にむンデックス䞍足だけではありたせん。 1. `reviews` をそのたた JOIN しおいるため、泚文行ずレビュヌ行の組み合わせで行数が膚匵する 2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しおいるため、実質的に `INNER JOIN` になっおいる 3. 500䞇行を JOIN しおから `GROUP BY` しおいる 4. `order_details` に `product_id` のむンデックスがない 泚文集蚈ずレビュヌ集蚈を先に商品単䜍で集玄しおから JOIN するのが効果的です。 ## 改善埌のク゚リ 「泚文が存圚する商品だけを衚瀺する」ずいう、元のク゚リず同じ意味を維持する堎合です。 ```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-5.6 Luna、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-5.6 Lunaは¥201.6で、GPT-5.6 Lunaの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.3ずGPT-5.6 Lunaのコンテキスト長の違いは
GLM 5.3は1,048,576トヌクン、GPT-5.6 Lunaは1,050,000トヌクンです。
GLM 5.3ずGPT-5.6 Luna、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 27䜍、GPT-5.6 Luna 60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-5.6 Luna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-5.6-luna" 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-5.6 Luna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-5.6 Lunaをチャットで詊す

GLM 5.3の他の比范

GPT-5.6 Lunaの他の比范