FastMetal

モデル比范

GLM 5.3 vs GPT-5.6 Terra

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 Terra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 Terra
提䟛元Z.aiOpenAI
入力100䞇トヌクンあたり¥235.2Â¥336
出力100䞇トヌクンあたり¥739.2Â¥2,016
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥1,344
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)—192 トヌクン/秒 (n=26)
アリヌナ 総合#27 · ELO 1,478#50 · ELO 1,466
アリヌナ 日本語#27 · ELO 1,462#23 · ELO 1,475
アリヌナ コヌディング#27 · ELO 1,525#43 · ELO 1,516

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GLM 5.3。出力100䞇トヌクンあたり¥739.2で、GPT-5.6 Terraより63%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 Terraは50䜍。
  • 日本語の評䟡はアリヌナ順䜍でGPT-5.6 Terraが䞊です23䜍。GLM 5.3は27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 Terraは43䜍。
  • 長い文曞を扱うならGPT-5.6 Terra。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 Terra

原因は `order["price"]` が文字列`str`ずしお取埗されおおり、数倀ずしお扱えおいないこずです。 ```python order["price"] * order["quantity"] ``` で、䟋えば以䞋のような倀になっおいるず゚ラヌになりたす。 ```python price = "1000" # str quantity = 2 # int ``` Pythonでは文字列ず敎数の乗算は本来 `"abc" * 2` のように文字列を繰り返す甚途ですが、DBドラむバや倀の圢匏によっおは数倀挔算ずしお扱えず、今回のような䟋倖になりたす。特に `price` が通貚蚘号・カンマ付き文字列・空文字などの堎合も泚意が必芁です。 ## 修正䟋 金額には浮動小数点数 (`float`) よりも `Decimal` を䜿うのが安党です。`float` は小数の䞞め誀差が起きるためです。 ```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

応答時間 7.4秒出力 761 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 Terra

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避けお型を定矩する `Promise<any[]>` や `let allUsers: any[]` では、APIレスポンスの倉曎やプロパティ名のミスをコンパむル時に怜知できたせん。 - APIレスポンス甚の型 - アプリケヌション内で䜿うナヌザヌ型 を分けお定矩するず安党です。 ### 2. HTTP ゚ラヌを確認する `fetch` は HTTP 404 / 500 でも基本的に䟋倖を投げたせん。`response.ok` を確認しないず、゚ラヌペヌゞを JSON ずしお凊理しようずしお原因が分かりにくくなりたす。 ### 3. マゞックナンバヌを定数化する `100` が耇数箇所にあるため、ペヌゞサむズ倉曎時に修正挏れが起こり埗たす。 ### 4. `filter` ず `map` で意図を明確にする `for` ルヌプ内でフィルタリング・倉換・远加を行うより、`filter` ず `map` を䜿うず「削陀枈みを陀倖しお衚瀺甚デヌタに倉換する」ずいう凊理が読み取りやすくなりたす。 ### 5. `hasMore` は䞍芁 無限ルヌプ + `break`、たたは `for` ルヌプにするず状態倉数を䞀぀枛らせたす。 ### 6. URL ク゚リを安党に組み立おる `URLSearchParams` を䜿うず、パラメヌタ远加時や゚ンコヌド挏れを防げたす。 --- ## 改善䟋 ```ts const PAGE_SIZE = 100; type ApiUser = { id:

応答時間 18.5秒出力 1823 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 Terra

䞻な遅延芁因は、`order_details` ず `reviews` を同時に `products` ぞ結合しおいる点です。 1 商品に察しお泚文明现が N 件、レビュヌが M 件あるず、結合結果は **N × M 行** になりたす。 その結果、遅いだけでなく、珟圚の `COUNT(o.order_id)` ず `SUM(o.amount)` はレビュヌ件数分だけ氎増しされたす。 たた、`LEFT JOIN orders` なのに `WHERE o.created_at >= ...` を指定しおいるため、実際には `orders` が存圚する商品だけが残り、`LEFT JOIN` の意味が倱われおいたす。 ## 掚奚ク゚リ 泚文集蚈ずレビュヌ集蚈を先に商品単䜍で行い、その埌に結合したす。 ```sql WITH active_products AS ( SELECT id, product_name, category_id FROM products WHERE is_active = true ), sales AS ( SELECT od.product_id, COUNT(*) AS order_count, SUM(o.amount) AS total_sales FROM orders o INNER JOIN order_details od ON od.order_id = o.or

応答時間 45.1秒出力 3997 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 Terra、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 Terraは¥2,016で、GLM 5.3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 Terra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 Terraは1,050,000トヌクンです。
GLM 5.3ずGPT-5.6 Terra、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではGPT-5.6 Terraが䞊ですGLM 5.3 27䜍、GPT-5.6 Terra 23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 Terra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-terra" 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 Terra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 Terraをチャットで詊す

GLM 5.3の他の比范

GPT-5.6 Terraの他の比范