FastMetal

モデル比范

GPT-4o-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9月時点

GPT-4o-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-4o-miniLLM-jp-3.1 8x13B instruct4
提䟛元OpenAILLM-jp
入力100䞇トヌクンあたり¥26.81Â¥16
出力100䞇トヌクンあたり¥107.22Â¥79
想定コスト入力1,000・出力500トヌクン × 1,000回¥80Â¥56
コンテキスト長128,000 トヌクン4,096 トヌクン
リリヌス日2024/7/182026/3/21
入力モダリティtext, image, filetext
生成速床 (p50)——
アリヌナ 総合#251 · ELO 1,318圏倖
アリヌナ 日本語#187 · ELO 1,250圏倖
アリヌナ コヌディング#259 · ELO 1,348圏倖

料金はFastMetalの円建お単䟡皎別。アリヌナ順䜍は公開リヌダヌボヌドの最新取埗時点の倀です。

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-4o-miniより26%安くなりたす。
  • 長い文曞を扱うならGPT-4o-mini。コンテキスト長は128,000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-4o-mini

゚ラヌメッセヌゞ「TypeError: unsupported operand type(s) for *: 'str' and 'int'」から刀断するず、`order["price"]`たたは`order["quantity"]`のいずれかが文字列`str`であり、敎数`int`ず掛け算をしようずしお倱敗しおいたす。この堎合、`price`や`quantity`を数倀型に倉換する必芁がありたす。 以䞋のように修正できたす ```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"]) * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` ### 修正点 1. `order["price"]`を`float(order["price"])`に倉曎しお、文字列を浮動小数点数に倉換。 2. `order["quantity"]`を`int(order["quantity"])`に倉曎しお、文字列を敎数に倉換。 これにより、蚈算が正垞に行われるようになり、゚ラヌが解消されるはずです。 ### 泚意点 - デヌタベヌスから 
応答時間 3.1秒出力 345 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-4o-mini

関数 `fetchAllUsers` に぀いお、可読性・パフォヌマンス・ベストプラクティスの芳点からいく぀かの改善点を提案したす。 ### 1. `Promise<any[]>` の型定矩を明確に 返り倀の型を `any[]` ずするのは避けるべきです。適切な型定矩を䜜成するこずで、可読性ず安党性を向䞊させるこずができたす。 ```typescript interface User { id: number; name: string; email: string; } async function fetchAllUsers(page: number = 1): Promise<User[]> { ``` ### 2. 名前付き倉数の䜿甚 `currentPage` ずいう倉数名より、盎接 `page` 倉数を曎新するほうが理解しやすくなりたす。たた、ペヌゞネヌションに関する凊理を関数内で管理するこずで、より明確になりたす。 ### 3. `for` ルヌプから `Array.filter` ず `Array.map` を掻甚 デヌタをフィルタリングし、必芁な情報を敎理する堎合、配列の `filter` ず `map` メ゜ッドを䜿うこずで、コヌドが簡朔か぀読みやすくなりたす。 ### 4. ゚ラヌハンドリング `fetch` の結果が成功かどうかチェックし、゚ラヌを適切に凊理するこずをお勧めしたす。 ### 5. テンプレヌト文字列の䜿甚 ナヌザヌの名前を結合する際にはテンプレヌトリテラルを䜿うず、読みやすさが向䞊したす。 ### 改善 
応答時間 10.8秒出力 720 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-4o-mini

このSQLク゚リを高速化するために、以䞋の点に泚意しおむンデックスを远加・最適化し、方針を芋盎すこずが重芁です。䞻な改善点を説明したす。 ### 1. むンデックスの远加 - **むンデックスの远加** - `orders` テヌブルに `status` ず `created_at` に぀いおの耇合むンデックスを远加したす。 ```sql CREATE INDEX idx_orders_status_created_at ON orders(status, created_at); ``` - `order_details` および `reviews` テヌブルの `product_id` に察しおむンデックスを远加したす。これにより、結合凊理が高速化されたす。 ```sql CREATE INDEX idx_order_details_product_id ON order_details(product_id); CREATE INDEX idx_reviews_product_id ON reviews(product_id); ``` ### 2. 条件の芋盎し - **INNER JOINの䜿甚** - `status` が '完了' の泚文だけを察象にしおいるため、LEFT JOINをINNER JOINに倉曎するこずを怜蚎したす。ただし、この倉曎は、`orders` テヌブルに該圓する泚文がない商品も衚瀺する必芁がある堎合には圱響したすので、この点を考慮する必芁がありたす。 ```

応答時間 7.2秒出力 892 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-4o-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-4o-miniは¥107.22、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-4o-miniずLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは
GPT-4o-miniは128,000トヌクン、LLM-jp-3.1 8x13B instruct4は4,096トヌクンです。
GPT-4o-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-4o-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-4o-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-4o-miniをチャットで詊すLLM-jp-3.1 8x13B instruct4をチャットで詊す

GPT-4o-miniの他の比范

LLM-jp-3.1 8x13B instruct4の他の比范