GLM 5.3 vs GPT-5 Mini
料金・コンテキスト長・実際の回答で比較（2026年9月時点）
GLM 5.3（Z.ai）とGPT-5 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-5 Mini | |
|---|---|---|
| 提供元 | Z.ai | OpenAI |
| 入力（100万トークンあたり） | ¥250.18 | ¥44.68 |
| 出力（100万トークンあたり） | ¥786.28 | ¥357.4 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥643 | ¥223 |
| コンテキスト長 | 1,048,576 トークン | 400,000 トークン |
| リリース日 | 2026/8/18 | 2025/8/7 |
| 入力モダリティ | text | text, image, file |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #19 · ELO 1,483 | #163 · ELO 1,390 |
| アリーナ 日本語 | #35 · ELO 1,443 | #109 · ELO 1,365 |
| アリーナ コーディング | #20 · ELO 1,525 | #172 · ELO 1,431 |
料金はFastMetalの円建て単価（税別）。アリーナ順位は公開リーダーボードの最新取得時点の値です。
どちらを選ぶべきか
- 料金重視ならGPT-5 Mini。出力100万トークンあたり¥357.4で、GLM 5.3より55%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（19位。GPT-5 Miniは163位）。
- 日本語の評価はアリーナ順位でGLM 5.3が上です（35位。GPT-5 Miniは109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（20位。GPT-5 Miniは172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-5 Miniの400,000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-5 Mini
原因:
- DB から返ってくる order["price"] が文字列 (例: "9.99") になっており、数値演算に使える型になっていません。そのため price と quantity を掛けようとしたときに型の不整合でエラーになります（数値に変換してから掛ける必要があります）。
- 金額を扱う場合は float より Decimal を使うのが望ましい（丸め誤差を避けるため）。
修正例（推奨: Decimal を使う、安全に変換・例外処理）:
from decimal import Decimal, InvalidOperation
def get_user_orders(user_id):
rows = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
orders = []
total = Decimal('0')
for r in rows:
# 文字列・数値どちらでも対応して Decimal に変換
try:
price = Decimal(str(r['price']))
except (InvalidOperation, KeyError):
price = Decimal('0')
# quantity を整数に変換（不正なら 0 にするなど適宜ハンドリング）
try:…
応答時間 13.7秒出力 1469 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-5 Mini
以下、指摘点と具体的な改善案（コード例付き）を示します。可読性・型安全性・堅牢性・パフォーマンスの観点を順に取り扱います。
主な問題点（現状）
- any が多用されており型安全でない
- エラーハンドリングがない（HTTPエラー・JSONパース失敗で例外が投げられる）
- 配列ループが手続き的（for + index）、可読性が低い
- マジックナンバー（limit=100）がハードコードされている
- API が total/pages 情報を返すなら並列取得できるのに逐次取得している（必要に応じて改善可能）
- メモリ効率の考慮がない（大量ユーザー時に全件配列を返す設計に注意）
- タイムアウト・リトライ等の堅牢性対策がない
改善案（推奨実装）
- 型定義を追加する（レスポンスと戻り値）
- fetch のステータスをチェック、JSON 解析に対する try/catch
- filter + map を使い可読性を向上
- const を多用し、再代入は最小化
- limit を定数化
- 必要なら並列取得や async generator を利用してメモリ使用を抑える
以下に「シンプルで堅牢な逐次実行版」と「ページ数が分かる場合の並列取得版」、さらに「メモリ効率の良い async iterable（逐次消費）版」を示します。
1) 推奨：型付け＋エラーハンドリング＋読みやすい逐次取得版
- シンプルで安全。API が次ページ情報しか返さない場合に有効。
```ts
type RawUser = {
id: string;
first_name: str…
応答時間 22.0秒出力 2418 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-5 Mini
要点だけ先に結論をまとめます。
- 問題点
- 現状のクエリは order_details と orders を展開した後で WHERE に o.created_at を入れているため LEFT JOIN が実質的に INNER JOIN になりつつも結合順序で大量行を生成してしまう（多重結合による爆発）。
- GROUP BY に product_name（文字列）を使っているため集約キーが大きく、効率が落ちる。
- 重要な結合カラム（order_details.product_id、reviews.product_id 等）にインデックスがない。
- orders.status / orders.created_at によるフィルタを効率化するインデックスがない。
- （注意）orders.amount を order_details 経由で SUM すると、1 注文に同一商品が複数行ある等で二重カウントする可能性がある（スキーマ次第）。
- 対策（優先度順）
1. 集約は「注文条件で絞った後」に先にまとめる（派生テーブル／CTE で pre-aggregate）。これで大きな結合を一度だけ行い、products 側に結合する行数を激減させる。
2. 主要結合列にインデックスを作る：
- order_details(product_id, order_id)
- reviews(product_id)
- orders(status, created_at, order_id, amount) または order…
応答時間 25.7秒出力 3117 トークン
よくある質問
- GLM 5.3とGPT-5 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¥786.28、GPT-5 Miniは¥357.4で、GPT-5 Miniの方が安くなります（FastMetalの円建て単価・税別）。
- GLM 5.3とGPT-5 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-5 Miniは400,000トークンです。
- GLM 5.3とGPT-5 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 35位、GPT-5 Mini 109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-5 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-5-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-5 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。