FastMetal

モデル比范

GLM 5.3 vs Inkling

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InklingThinking Machines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 5.3Inkling
提䟛元Z.aiThinking Machines
入力100䞇トヌクンあたり¥235.2Â¥159.6
出力100䞇トヌクンあたり¥739.2Â¥680.4
想定コスト入力1,000・出力500トヌクン × 1,000回¥605Â¥500
コンテキスト長1,048,576 トヌクン524,288 トヌクン
リリヌス日2026/8/182026/7/17
入力モダリティtexttext, image, audio
生成速床 (p50)—120 トヌクン/秒 (n=20)
アリヌナ 総合#27 · ELO 1,478#95 · ELO 1,441
アリヌナ 日本語#27 · ELO 1,462#56 · ELO 1,430
アリヌナ コヌディング#27 · ELO 1,525#91 · ELO 1,492

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Inkling。出力100䞇トヌクンあたり¥680.4で、GLM 5.3より8%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。Inklingは95䜍。
  • 日本語の評䟡はアリヌナ順䜍でGLM 5.3が䞊です27䜍。Inklingは56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。Inklingは91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、Inklingの524,288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

Inkling

この゚ラヌの原因は、**デヌタベヌスから取埗した `price` が文字列`str`ずしお返されおいる**ため、敎数`int`の `quantity` ず掛け算できないこずです。 SQLの結果セットを蟞曞`order["price"]` などで扱っおいる堎合、DBドラむバやカラムのデヌタ型䟋`VARCHAR` や `TEXT`、あるいはドラむバの仕様によっお数倀が文字列のたた枡されるこずがありたす。 ### 修正方法 `price`必芁なら `quantity` もを数倀型に倉換しおから蚈算したす。䟡栌は小数を含む可胜性があるため、`float()` たたは `Decimal` を䜿うのが適切です。 ```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) # price を Decimalたたは floatに、quantity を int に倉換 total = sum( Decimal(str(order["price"])) * int(order["quantity"]) for order in orders ) return {"user_id": user_id, "total": total, "orders":

応答時間 22.4秒出力 1285 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

Inkling

以䞋、**可読性・パフォヌマンス・ベストプラクティス**の芳点からレビュヌず改善案を提瀺したす。 --- ## 䞻芁な問題点芁玄 | 芳点 | 問題 | |------|------| | **型安党性** | `any` が乱甚されおおり、コンパむル時のチェックが効かない | | **゚ラヌハンドリング** | `fetch` の倱敗HTTP゚ラヌ、JSONパヌス倱敗、API圢匏䞍正を䞀切考慮しおいない | | **無限ルヌプリスク** | APIが垞に100件返し続けた堎合、`while` が氞遠に続く | | **可読性** | むンデックスルヌプ、`let` の乱甚、文字列結合`+`、マゞックナンバヌ | | **セキュリティ/堅牢性** | ク゚リパラメヌタが゚ンコヌドされおいない、レスポンス構造を怜蚌しおいない | --- ## 改善版コヌド ```typescript // --- 型定矩 --- interface RawUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersApiResponse { users: RawUser[]; } export interface User { id: string | number; name: string; email: string; } const DEFAULT_LIM

応答時間 45.2秒出力 4396 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

Inkling

このク゚リには**「結果が間違うファントラップ」**ず**「5M行をフルスキャンしお爆発的に増える」**の䞡方の臎呜的な問題がありたす。以䞋、原因ず最適化案を説明したす。 --- ## 1. 䞻な問題点 ### ① ファントラップJOINの爆発ず集蚈の誀り `order_details` ず `reviews` ã‚’äž¡æ–¹ `p.id` で結合しおいたす。これは**1぀の商品に察しお「泚文明现×レビュヌ」が盎積Cartesian Product**で発生するこずを意味したす。 - 商品Aに泚文が100件、レビュヌが50件あるず → **5,000行**が生成 - その結果、`COUNT(o.order_id)` や `SUM(o.amount)` がレビュヌ件数倍に膚らみ、`AVG(r.rating)` も正しく蚈算されたせん。 ### ② WHERE句でのLEFT JOINの無効化 ```sql LEFT JOIN orders o ... WHERE o.created_at >= '2024-04-01' ``` `LEFT JOIN` の右偎テヌブルに `WHERE` で条件を぀けるず、**NULL泚文なしの商品が陀倖され、実質INNER JOINになりたす**。しかもデヌタベヌスはたず党結合を䜜っおからフィルタするため、無駄な䞭間結果が巚倧になりたす。 ### ③ むンデックスの䞍足 存圚するのは `products(id)` ず `orders(order_id)` のみ。以䞋が欠萜しおいたす - `products(is_active,

応答時間 81.6秒出力 9649 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Inkling、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、Inklingは¥680.4で、Inklingの方が安くなりたすFastMetalの円建お単䟡・皎別。
GLM 5.3ずInklingのコンテキスト長の違いは
GLM 5.3は1,048,576トヌクン、Inklingは524,288トヌクンです。
GLM 5.3ずInkling、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、Inkling 56䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GLM 5.3ずInkling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 "inkling" 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Inkling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Inklingをチャットで詊す

GLM 5.3の他の比范

Inklingの他の比范