FastMetal

モデル比范

GPT-4.1 Mini vs LLM-jp-3.1 8x13B instruct4

料金・コンテキスト長・実際の回答で比范2026幎11月時点

GPT-4.1 MiniOpenAIずLLM-jp-3.1 8x13B instruct4LLM-jp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

openai logoGPT-4.1 MiniLLM-jp-3.1 8x13B instruct4
提䟛元OpenAILLM-jp
入力100䞇トヌクンあたり¥71.48Â¥16
出力100䞇トヌクンあたり¥285.92Â¥79
想定コスト入力1,000・出力500トヌクン × 1,000回¥214Â¥56
コンテキスト長1,047,576 トヌクン4,096 トヌクン
リリヌス日2025/4/142026/3/21
入力モダリティimage, text, filetext
生成速床 (p50)154 トヌクン/秒 (n=28)125 トヌクン/秒 (n=28)
アリヌナ 総合#190 · ELO 1,383圏倖
アリヌナ 日本語#155 · ELO 1,328圏倖
アリヌナ コヌディング#183 · ELO 1,433圏倖

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、2026-10-28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LLM-jp-3.1 8x13B instruct4。出力100䞇トヌクンあたり¥79で、GPT-4.1 Miniより72%安くなりたす。
  • 長い文曞を扱うならGPT-4.1 Mini。コンテキスト長は1,047,576トヌクンで、LLM-jp-3.1 8x13B instruct4の4,096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


GPT-4.1 Mini

゚ラヌメッセヌゞ ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` は、`order["price"]` が文字列 (`str`) 型であり、数倀型 (`int`) ずの乗算ができないために発生しおいたす。 原因は、`db.query` で取埗した `price` がデヌタベヌス䞊では数倀型であっおも、Python偎に枡る際に文字列ずしお扱われおいるこずが倚いこずです。 --- ### 修正方法 `order["price"]` を明瀺的に数倀たずえば `float`に倉換すればこの問題は解決したす。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(float(order["price"]) * order["quantity"] for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` もし `quantity` も文字列なら同様に倉換が必芁です。 --- ### 補足 - `price` は通垞小数点付き䟡栌なので `float` に倉換するのが自然です。 - `quantity` が敎数型の堎合は倉換 
応答時間 2.8秒出力 325 トヌクン

LLM-jp-3.1 8x13B instruct4

この゚ラヌは、デヌタベヌスから取埗した泚文リストに含たれる蟞曞型デヌタの `price` ず `quantity` の倀が敎数ではなく文字列になっおいるこずが原因です。 `sum` 関数に枡されるゞェネレヌタ匏の䞭で、文字列ず敎数を乗算しようずしおいるため、 `TypeError` が発生しおいたす。 この問題を解決するには、 `price` ず `quantity` の倀を取埗する際に、適切に型倉換を行う必芁がありたす。以䞋のように修正したしょう。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(order["price"] * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` この修正では、 `order["quantity"]` の倀を取埗埌、 `int()` 関数を䜿っお敎数に倉換しおいたす。これにより、ゞェネレヌタ匏の䞭で適切に乗算が行われ、゚ラヌが解消されたす。 ただし、 `quantity` の倀が負の数の堎合、 `int()` 関数を䜿甚するずマむナスの笊号が消えおしたいたす。もし、 `quantity` が負の数であっおもそのたたマむナスの笊 
応答時間 4.9秒出力 523 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


GPT-4.1 Mini

以䞋に、あなたの関数 `fetchAllUsers` に察する可読性・パフォヌマンス・ベストプラクティスの芳点からの改善点を提案したす。 --- ## 1. 可読性の改善 - **型定矩の远加** `any[]`は避け、APIのレスポンスやナヌザヌ型に察しお適切な型を定矩したしょう。型が明確になるず、コヌドの意図が分かりやすくなり保守性が向䞊したす。 - **倉数名の芋盎し** 䟋えば`data`よりは`responseData`の方が䜕のデヌタか䌝わりやすいです。 - **forルヌプより高階関数を掻甚** `for`ルヌプでむンデックスを䜿うより、`filter``map`の組み合わせの方が目的が明確になりたす。 --- ## 2. パフォヌマンス効率化 - **䞍芁な倉数の削枛** `hasMore`や`currentPage`より、`while (true)`でbreak条件を曞く圢にすればシンプルです。 - **䞊列化の怜蚎** もしペヌゞ数が倚い堎合は、党ペヌゞ数が分かるAPIであれば耇数ペヌゞを䞊列リク゚ストする方が早くなりたす。ただし今回のAPI仕様ではペヌゞ数がわからないので珟状は難しいです。 - **配列連結方法の芋盎し** `allUsers.push(...newUsers)`の方が効率的か぀簡朔です。 --- ## 3. ベストプラクティス - **゚ラヌハンドリング** `fetch`や`response.json()`が倱敗する可胜性があるので、`try-cat

応答時間 7.0秒出力 963 トヌクン

LLM-jp-3.1 8x13B instruct4

このTypeScript関数にはいく぀かの改善点がありたす。以䞋に、可読性、パフォヌマンス、ベストプラクティスを考慮したレビュヌず改良提案を瀺したす。 1. ペヌゞングずリミットのロゞックを修正し、APIからの党おの情報を取埗した埌にフィルタリングを行うこずでパフォヌマンスを向䞊させたす。 2. undefinedやnullのチェックを远加し、型泚釈を改善したす。 3. 再垰的なアプロヌチを避け、むテレヌティブな方法に倉曎しお可読性を向䞊させたす。 改良埌、関数は以䞋のようになりたす。 ```typescript async function fetchAllUsers(page: number = 1): Promise<any[]> { const PER_PAGE_LIMIT = 100; const ALL_USERS: any[] = []; while (true) { const response = await fetch(`/api/users?page=${page}&limit=${PER_PAGE_LIMIT}`); if (!response.ok) { throw new Error('Failed to fetch users'); } const data = await response.json(); if (data.users.length === 0) { break; } const filteredUsers: any[] = d

応答時間 4.5秒出力 552 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


GPT-4.1 Mini

このSQLは500䞇行の倧芏暡なテヌブルに察しお耇数のJOINを行い、さらに集蚈やフィルタリングをしおいるためパフォヌマンスが悪いです。以䞋に改善点ず最適化の提案を蚘茉したす。 --- ## 1. 適切なむンデックスの远加 - **productsテヌブル** - `is_active`にフィルタがあるため、 `(is_active, id, category_id, product_name)` を含むむンデックスを怜蚎。 —> `is_active`を効率よくフィルタリングキヌの読み蟌みを効率化 - **ordersテヌブル** - `status`および `created_at`にフィルタがあるため `(status, created_at, order_id)` の耇合むンデックスを远加。 —> WHEREで絞っおJOINの絞り蟌みを効率化 - **order_detailsテヌブル** - `product_id`, `order_id`の䞡方に結合条件があるため、 `(product_id, order_id)`か少なくずも`product_id`の玢匕を䜜成。 - **reviewsテヌブル** - `product_id`にJOINしおいるのでむンデックスを䜜成 `(product_id)` - **categoriesテヌブル** - `id`が䞻キヌなら問題なし。 --- ## 2. JOIN順序の芋盎し - 珟状、`orders`è¡šã‚’L

応答時間 8.7秒出力 1247 トヌクン

LLM-jp-3.1 8x13B instruct4

このSQLク゚リの最適化にはいく぀かのステップが必芁です。以䞋に各改善点ずその理由を説明したす。 ### 1. むンデックスの远加 珟圚のむンデックスは `products(id)` ず `orders(order_id)` のみのようですが、他にも必芁なむンデックスを远加するこずでク゚リのパフォヌマンスを向䞊させるこずができたす。 #### 远加すべきむンデックス: - `categories(id)`: `LEFT JOIN categories` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `order_details(product_id, order_id)`: `LEFT JOIN order_details` で䜿甚されおいるため、耇合むンデックスを远加するこずで結合が高速化されたす。 - `reviews(product_id)`: `LEFT JOIN reviews` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされおいるため、むンデックスを远加するこずでフィルタリングが高速化されたす。 ### 2. ク゚リのリファクタリング ク゚リ自䜓をリファクタリングするこずで、䞍芁な結合やサブク゚リを避け、パフォヌマンスを向䞊させるこずができたす。 #### 改善点: - サブク゚リの䜿甚: 䞀郚の集蚈をサブク゚リずしお分離するこずで、メむンク゚リの負荷を軜枛す 
応答時間 7.9秒出力 917 トヌクン

他のプロンプトでも比范する →

よくある質問

GPT-4.1 MiniずLLM-jp-3.1 8x13B instruct4、料金はどちらが安いですか
出力100䞇トヌクンあたりGPT-4.1 Miniは¥285.92、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなりたすFastMetalの円建お単䟡・皎別。
GPT-4.1 MiniずLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは
GPT-4.1 Miniは1,047,576トヌクン、LLM-jp-3.1 8x13B instruct4は4,096トヌクンです。
GPT-4.1 MiniずLLM-jp-3.1 8x13B instruct4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 "gpt-4.1-mini" たたは "llm-jp-3.1-8x13b-instruct4" 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、GPT-4.1 MiniずLLM-jp-3.1 8x13B instruct4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GPT-4.1 Miniをチャットで詊すLLM-jp-3.1 8x13B instruct4をチャットで詊す

GPT-4.1 Miniの他の比范

LLM-jp-3.1 8x13B instruct4の他の比范