モデル比較

GLM 5.3 vs Qwen3.7 Max

料金・コンテキスト長・実際の回答で比較(2026年8月時点)

GLM 5.3(Z.ai)とQwen3.7 Max(Qwen)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

z-ai logoGLM 5.3qwen logoQwen3.7 Max
提供元Z.aiQwen
入力(100万トークンあたり)¥250.18¥263.58
出力(100万トークンあたり)¥786.28¥790.75
想定コスト(入力1,000・出力500トークン × 1,000回)¥643¥659
コンテキスト長1,048,576 トークン1,000,000 トークン
リリース日2026/8/182026/5/21
入力モダリティtexttext
アリーナ 総合圏外#21 · ELO 1,475
アリーナ 日本語圏外圏外
アリーナ コーディング圏外#15 · ELO 1,526

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GLM 5.3。出力100万トークンあたり¥786.28で、Qwen3.7 Maxより1%安くなります。
  • 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、Qwen3.7 Maxの1,000,000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

Qwen3.7 Max

### 結論:エラーの原因 このエラーの原因は、**データベースから取得した `order["price"]`(または `order["quantity"]`)が数値型(`int` や `float`)ではなく、文字列型(`str`)として返ってきている**ことです。 Pythonでは本来 `"100" * 2` のような「文字列 × 整数」の演算は `"100100"` という文字列の繰り返しとして処理されますが、フレームワークやORMの内部処理、あるいは実際には `float` と `str` の演算であった場合などに `TypeError` として数学的な乗算エラーが送出されます。 いずれにせよ、**「数値計算をしたいのに、データが文字列になっている」** ことが根本原因です。これは、データベース側の `price` カラムが `VARCHAR` や `TEXT` 型で定義されている場合によく起こります。 --- ### 修正方法 アプローチは3つあります。状況に合わせて選択してください。 #### 1. Python側で型変換する(即効性のある修正) コード上で明示的に数値(`float` または `int`)にキャストします。価格には小数が含まれる可能性があるため、`float()` を使うのが安全です。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id…
応答時間 59.2秒出力 3324 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

Qwen3.7 Max

ご提示いただいたコードは、ページネーションの処理やデータの整形など、基本的なロジックは正しく実装されています。 しかし、**TypeScriptの型安全性、エラーハンドリング、可読性、そして大規模データ時のパフォーマンス(メモリ消費)** の観点から、いくつか重要な改善点があります。 以下にレビュー結果と、改善後のコードを提案します。 --- ### 🔍 レビューポイント #### 1. 型安全性 (TypeScriptベストプラクティス) * **`any` の多用:** `Promise<any[]>` や `data` が `any` になっているため、TypeScriptの恩恵(補完やコンパイル時のエラー検知)が得られていません。APIレスポンスと返却用のインターフェースを定義すべきです。 * **プロパティアクセスの危険性:** `data.users` が存在しない(または `null` / `undefined`)場合にランタイムエラー(`TypeError`)が発生するリスクがあります。 #### 2. エラーハンドリングと堅牢性 * **HTTPステータスコードの未確認:** `fetch` はネットワークエラー(オフライン等)以外ではエラーを投げません(404や500でも成功とみなされます)。`response.ok` のチェックが必須です。 * **無限ループのリスク:** サーバー側のバグで常に100件返却され続けた場合、無限ループに陥ります。セーフティネット(最大ページ数や総件数のチェック)があると安心です。 #### 3. 可読性 *…
応答時間 73.1秒出力 3915 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

Qwen3.7 Max

提示されたSQLクエリには、**パフォーマンスを著しく低下させる構造的な問題(直積の発生)**と、**意図しないデータ抽出(暗黙のINNER JOIN)**、そして**インデックスの不足**という3つの重大な問題があります。 以下に最適化されたクエリと、必要なインデックス、そして改善点の詳細な解説を提示します。 --- ### 1. 最適化されたSQLクエリ ```sql WITH SalesAgg AS ( -- 1. 注文と注文詳細を先に集計し、商品IDごとの売上を作る SELECT od.product_id, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM orders o INNER JOIN order_details od ON od.order_id = o.order_id WHERE o.status = '完了' AND o.created_at >= '2024-04-01' GROUP BY od.product_id ) SELECT p.product_name, c.category_name, s.order_count, s.total_sales, -- 3. レビューの平均はLIMIT 50件に対してのみ計算する(相関サブクエリ) (SELECT AVG(r.rating) FROM reviews r WHERE r.product_id = p.id) AS a…
応答時間 81.9秒出力 4393 トークン

他のプロンプトでも比較する →

よくある質問

GLM 5.3とQwen3.7 Max、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、Qwen3.7 Maxは¥790.75で、GLM 5.3の方が安くなります(FastMetalの円建て単価・税別)。
GLM 5.3とQwen3.7 Maxのコンテキスト長の違いは?
GLM 5.3は1,048,576トークン、Qwen3.7 Maxは1,000,000トークンです。
GLM 5.3とQwen3.7 Max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 "qwen3.7-max" 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チャージすれば、GLM 5.3とQwen3.7 Max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。

GLM 5.3の他の比較

Qwen3.7 Maxの他の比較