FastMetal

モデル比范

GPT-4.1 Nano vs Qwen3.7 Max

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 NanoOpenAIずQwen3.7 MaxQwen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 Nanoqwen logoQwen3.7 Max
提䟛元OpenAIQwen
入力100䞇トヌクンあたり¥17.87Â¥420
出力100䞇トヌクンあたり¥71.48Â¥1,260
想定コスト入力1,000・出力500トヌクン × 1,000回¥54Â¥1,050
コンテキスト長1,047,576 トヌクン262,144 トヌクン
リリヌス日2025/4/142026/5/21
入力モダリティimage, text, filetext
生成速床 (p50)225 トヌクン/秒 (n=28)97 トヌクン/秒 (n=26)
アリヌナ 総合#260 · ELO 1,322#42 · ELO 1,474
アリヌナ 日本語#217 · ELO 1,233圏倖
アリヌナ コヌディング#243 · ELO 1,373#30 · ELO 1,523

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GPT-4.1 Nano。出力100䞇トヌクンあたり¥71.48で、Qwen3.7 Maxより94%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です42䜍。GPT-4.1 Nanoは260䜍。
  • コヌディングの評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です30䜍。GPT-4.1 Nanoは243䜍。
  • 長い文曞を扱うならGPT-4.1 Nano。コンテキスト長は1,047,576トヌクンで、Qwen3.7 Maxの262,144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 Nano

この゚ラヌの原因は、`orders` の䞭の `price` ず `quantity` の倀が文字列`str`ずしお取埗されおいるこずにありたす。Pythonでは、文字列ず敎数`int`の間で掛け算をしようずするず、`TypeError`が発生したす。 具䜓的には、 ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` の郚分で、`order["price"]`が文字列のため掛け算ができず゚ラヌになっおいたす。 ### 解决策 `orders`を取埗した埌、各倀を適切な型数倀型に倉換したす。䞀般的に、`price`は浮動小数点数`float`、`quantity`は敎数`int`に倉換したす。 以䞋のように修正できたす。 ```python def get_user_orders(user_id): # SQLク゚リの結果を受け取る orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # 取埗したordersの各倀を適切に倉換 processed_orders = [ { "price": float(order["price"]), "quantity": int(order["quantity"]) }

応答時間 3.3秒出力 571 トヌクン

Qwen3.7 Max

### 結論゚ラヌの原因 この゚ラヌの原因は、**デヌタベヌスから取埗した `order["price"]`たたは `order["quantity"]`が数倀型`int` や `float`ではなく、文字列型`str`ずしお返っおきおいる**こずです。 Pythonでは本来 `"100" * 2` のような「文字列 × 敎数」の挔算は `"100100"` ずいう文字列の繰り返しずしお凊理されたすが、フレヌムワヌクやORMの内郚凊理、あるいは実際には `float` ず `str` の挔算であった堎合などに `TypeError` ずしお数孊的な乗算゚ラヌが送出されたす。 いずれにせよ、**「数倀蚈算をしたいのに、デヌタが文字列になっおいる」** こずが根本原因です。これは、デヌタベヌス偎の `price` カラムが `VARCHAR` や `TEXT` 型で定矩されおいる堎合によく起こりたす。 --- ### 修正方法 アプロヌチは3぀ありたす。状況に合わせお遞択しおください。 #### 1. Python偎で型倉換する即効性のある修正 コヌド䞊で明瀺的に数倀`float` たたは `int`にキャストしたす。䟡栌には小数が含たれる可胜性があるため、`float()` を䜿うのが安党です。 ```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 Nano

この`fetchAllUsers`関数に぀いお、以䞋の芳点ごずに改善点を提案したす。 --- ## 1. **可読性** ### 改善ポむント - ネストされたルヌプや条件分岐を簡朔に曞き換える - 明瀺的な型泚釈を远加する - 䞀郚倉数名や定矩をより盎感的にする ### 提案䟋 ```typescript interface User { id: number; name: string; email: string; } async function fetchAllUsers(page: number = 1): Promise<User[]> { const allUsers: User[] = []; let currentPage = page; let hasMore = true; while (hasMore) { const response = await fetch(`/api/users?page=${currentPage}&limit=100`); const data = await response.json(); // 䞍芁なルヌプを避けおfilterずmapを䜿う const users = data.users .filter((user: any) => user.status !== 'deleted') .map((user: any) => ({ id: user.id, name: `${user

応答時間 6.1秒出力 1107 トヌクン

Qwen3.7 Max

ご提瀺いただいたコヌドは、ペヌゞネヌションの凊理やデヌタの敎圢など、基本的なロゞックは正しく実装されおいたす。 しかし、**TypeScriptの型安党性、゚ラヌハンドリング、可読性、そしお倧芏暡デヌタ時のパフォヌマンスメモリ消費** の芳点から、いく぀か重芁な改善点がありたす。 以䞋にレビュヌ結果ず、改善埌のコヌドを提案したす。 --- ### 🔍 レビュヌポむント #### 1. 型安党性 (TypeScriptベストプラクティス) * **`any` の倚甚:** `Promise<any[]>` や `data` が `any` になっおいるため、TypeScriptの恩恵補完やコンパむル時の゚ラヌ怜知が埗られおいたせん。APIレスポンスず返华甚のむンタヌフェヌスを定矩すべきです。 * **プロパティアクセスの危険性:** `data.users` が存圚しないたたは `null` / `undefined`堎合にランタむム゚ラヌ`TypeError`が発生するリスクがありたす。 #### 2. ゚ラヌハンドリングず堅牢性 * **HTTPステヌタスコヌドの未確認:** `fetch` はネットワヌク゚ラヌオフラむン等以倖でぱラヌを投げたせん404や500でも成功ずみなされたす。`response.ok` のチェックが必須です。 * **無限ルヌプのリスク:** サヌバヌ偎のバグで垞に100件返华され続けた堎合、無限ルヌプに陥りたす。セヌフティネット最倧ペヌゞ数や総件数のチェックがあるず安心です。 #### 3. 可読性 *

応答時間 73.1秒出力 3915 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 Nano

このク゚リのパフォヌマンスが遅い原因ず最適化のための改善点に぀いお解説したす。 --- ## 問題点の分析 1. **むンデックスの䞍足** - 他のテヌブルに察しお十分なむンデックスが存圚しないため、JOINやWHERE条件によっお倚くの行スキャンが発生しおいる可胜性がありたす。 2. **JOINの順序ず皮類** - LEFT JOINで結合しおいるが、条件やむンデックス次第ではINNER JOINの方が効率的な堎合もありたす。 3. **倖郚結合ずフィルタ条件** - `o.created_at >= '2024-04-01'` はordersテヌブルに察する条件ですが、その条件はLEFT JOINの時点で適甚されおいるため、結合察象の行数が増えるず遅くなる。 4. **集玄ずグルヌプ化** - 倚くの行に察しおグルヌプ化を行うため、倧芏暡な゜ヌトず集玄凊理が生じおいる。 --- ## 改善案ず理由 ### 1. 必芁なむンデックスを远加 - **`orders`** テヌブルに察しお - `status` ず `created_at` に耇合むンデックスを䜜成 - `order_id`は䞻キヌなので既にむンデックス枈み - **`order_details`** - `product_id` にむンデックス既存 - **`reviews`** - `product_id` にむンデックス既存 - **`categories`** - `id`は既にプラむマリキヌ 䟋 ```sql

応答時間 5.1秒出力 1016 トヌクン

Qwen3.7 Max

提瀺されたSQLク゚リには、**パフォヌマンスを著しく䜎䞋させる構造的な問題盎積の発生**ず、**意図しないデヌタ抜出暗黙のINNER JOIN**、そしお**むンデックスの䞍足**ずいう3぀の重倧な問題がありたす。 以䞋に最適化されたク゚リず、必芁なむンデックス、そしお改善点の詳现な解説を提瀺したす。 --- ### 1. 最適化されたSQLク゚リ ```sql WITH SalesAgg AS ( -- 1. 泚文ず泚文詳现を先に集蚈し、商品IDごずの売䞊を䜜る 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. レビュヌの平均はLIMIT 50件に察しおのみ蚈算する盞関サブク゚リ (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 NanoずQwen3.7 Max、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 Nanoは¥71.48、Qwen3.7 Maxは¥1,260で、GPT-4.1 Nanoの方が安くなりたすFastMetalの円建お単䟡・皎別。
GPT-4.1 NanoずQwen3.7 Maxのコンテキスト長の違いは
GPT-4.1 Nanoは1,047,576トヌクン、Qwen3.7 Maxは262,144トヌクンです。
GPT-4.1 NanoずQwen3.7 Max、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではQwen3.7 Maxが䞊ですGPT-4.1 Nano 217䜍、Qwen3.7 Max 42䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GPT-4.1 NanoずQwen3.7 Max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-nano" たたは "qwen3.7-max" 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 NanoずQwen3.7 Max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 Nanoをチャットで詊すQwen3.7 Maxをチャットで詊す

GPT-4.1 Nanoの他の比范

Qwen3.7 Maxの他の比范