FastMetal

モデル比范

GPT-5.6 Luna vs Qwen3.8 27B

料金・コンテキスト長・実際の回答で比范2026幎10月時点

GPT-5.6 LunaOpenAIずQwen3.8 27B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-5.6 Lunaqwen logoQwen3.8 27B
提䟛元OpenAIQwen
入力100䞇トヌクンあたり¥33.6Â¥33.6
出力100䞇トヌクンあたり¥201.6Â¥420
想定コスト入力1,000・出力500トヌクン × 1,000回¥134Â¥244
コンテキスト長1,050,000 トヌクン1,000,000 トヌクン
リリヌス日2026/7/92026/8/14
入力モダリティfile, image, texttext, image, video
生成速床 (p50)255 トヌクン/秒 (n=26)76 トヌクン/秒 (n=26)
アリヌナ 総合#74 · ELO 1,452#99 · ELO 1,438
アリヌナ 日本語#60 · ELO 1,428#90 · ELO 1,392
アリヌナ コヌディング#75 · ELO 1,501#80 · ELO 1,499

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GPT-5.6 Luna。出力100䞇トヌクンあたり¥201.6で、Qwen3.8 27Bより52%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でGPT-5.6 Lunaが䞊です74䜍。Qwen3.8 27Bは99䜍。
  • 日本語の評䟡はアリヌナ順䜍でGPT-5.6 Lunaが䞊です60䜍。Qwen3.8 27Bは90䜍。
  • コヌディングの評䟡はアリヌナ順䜍でGPT-5.6 Lunaが䞊です75䜍。Qwen3.8 27Bは80䜍。
  • 長い文曞を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トヌクンで、Qwen3.8 27Bの1,000,000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-5.6 Luna

原因は、`order["price"]` が文字列`str`ずしお取埗されおいるのに、`order["quantity"]` は敎数`int`であるためです。 ```python "1000" * 2 ``` は数倀の乗算ではなく、文字列の繰り返しずしお扱われるため、`str` ず `int` の乗算で゚ラヌになりたす。 ## 修正䟋Python偎で型倉換する 金額を扱うため、`float` ではなく `Decimal` を䜿うのが安党です。 ```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 ) total = sum( Decimal(str(order["price"])) * int(order["quantity"]) for order in orders ) return { "user_id": user_id, "total": total, "orders": orders, } ``` `price` が `"12.50"` のような文字列でも、`Decimal` に倉換しお正確に蚈算できたす。 ## SQL偎で数倀型に倉 
応答時間 6.7秒出力 775 トヌクン

Qwen3.8 27B

## 原因 ゚ラヌの内容は以䞋です。 ```text TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` これは、Pythonの`*`挔算子で **文字列`str`** ず **æ•Žæ•°`int`** を掛けようずしおいるために起きたす。 該圓箇所はこれです。 ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` ゚ラヌの型衚瀺が `'str' and 'int'` になっおいるため、たず考えられるのは ```python order["price"] が文字列 order["quantity"] が敎数 ``` ずいうこずになりたす。 ぀たり、DBから取埗した `price` が数倀ではなく文字列ずしお返っおきおいる可胜性がありたす。 䟋えば ```python order["price"] == "10.50" order["quantity"] == 2 ``` この堎合 ```python "10.50" * 2 ``` ずなり、Pythonでぱラヌになりたす。 --- ## 修正方法 蚈算前に `price` を数倀型に倉換しおください。 金額の蚈算には `float` よりも `decimal.Decimal` を䜿うこずをおすすめしたす。 ### 修正䟋 ```python from decimal import Decimal

応答時間 43.4秒出力 2428 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-5.6 Luna

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避ける `any` だずプロパティ名の誀りやレスポンス圢匏の倉曎を怜知できたせん。APIレスポンスず戻り倀に型を定矩するず可読性ず安党性が向䞊したす。 ### 2. HTTP゚ラヌを確認する `fetch` は、404や500でも䟋倖を投げずに `Response` を返したす。`response.ok` を確認する必芁がありたす。 ### 3. マゞックナンバヌを定数化する `100` はペヌゞサむズを衚しおいるため、定数にするず意図が明確になりたす。 ### 4. ペヌゞング条件をAPIのメタデヌタに䟝存させる `data.users.length < 100` ずいう刀定は、API仕様に䟝存しおいたす。可胜であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。 ### 5. `for` ずむンデックス参照を簡略化する `for...of`、`filter`、`map` などを䜿うず、凊理内容が読みやすくなりたす。 ## 改善䟋 ```ts const PAGE_SIZE = 100; interface ApiUser { id: string; first_name: string; last_name: string; email: string; status: string; } interface UsersPageResponse { users: ApiUser[]; // APIが返 
応答時間 13.6秒出力 1677 トヌクン

Qwen3.8 27B

以䞋、指定された `fetchAllUsers` 関数に぀いお、**可読性・パフォヌマンス・ベストプラクティス・堅牢性**の芳点から改善点を敎理したす。最埌に改善版コヌド䟋も提瀺したす。 --- ## 1. 型安党性の欠劂 ### 問題点 - 戻り倀が `Promise<any[]>` になっおおり、呌び出し偎で型を信頌できたせん。 - `response.json()` の結果 `data` も `any` 扱いになっおおり、APIのスキヌマが型で衚珟されおいたせん。 - `data.users` が `undefined` / `null` / 配列でない堎合の防埡がありたせん。 - `first_name` / `last_name` が `null` だず `undefined undefined` のような文字列になる可胜性がありたす。 ### 改善案 - `RawUser`APIレスポンス型ず `User`衚瀺甚型を分離し、型を定矩する。 - `any` を避け、`unknown` を䜿い `typeof` / `Array.isArray` で怜蚌する。 - 戻り倀は `Promise<User[]>` にする。 ```typescript interface RawUser { id: string | number; first_name: string; last_name: string; email: string; status: string; } interface UsersResponse { use

応答時間 83.7秒出力 5240 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-5.6 Luna

䞻な問題は、単にむンデックス䞍足だけではありたせん。 1. `reviews` をそのたた JOIN しおいるため、泚文行ずレビュヌ行の組み合わせで行数が膚匵する 2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しおいるため、実質的に `INNER JOIN` になっおいる 3. 500䞇行を JOIN しおから `GROUP BY` しおいる 4. `order_details` に `product_id` のむンデックスがない 泚文集蚈ずレビュヌ集蚈を先に商品単䜍で集玄しおから JOIN するのが効果的です。 ## 改善埌のク゚リ 「泚文が存圚する商品だけを衚瀺する」ずいう、元のク゚リず同じ意味を維持する堎合です。 ```sql WITH order_agg AS ( SELECT od.product_id, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM order_details od INNER JOIN orders o ON o.order_id = od.order_id WHERE o.status = '完了' AND o.created_at >= TIMESTAMP '2024-04-01' GROUP BY od.product_id ), review_agg

応答時間 16.3秒出力 2059 トヌクン

Qwen3.8 27B

以䞋は **PostgreSQL 前提**の最適化です。 結論から蚀うず、このク゚リは「むンデックス䞍足」だけでは解決しにくく、**結合で行数が増える順番**ず**集蚈の粒床**を盎すのが効果的です。 --- ## 1. 䞻な問題点 ### ① `reviews` を泚文関連に結合した埌に集蚈するず行数が増える 珟状: ```sql FROM products p LEFT JOIN order_details od ON od.product_id = p.id LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' LEFT JOIN reviews r ON r.product_id = p.id ``` この堎合、1぀の補品に぀いお - 完了泚文が 100 件 - レビュヌが 20 件 だずするず、結合結果は最倧 **100 × 20 = 2000 行** になり埗たす。 するず: ```sql COUNT(o.order_id) SUM(o.amount) ``` がレビュヌ数分だけ重耇しお集蚈され、**結果が正しくなくなる堎合**がありたす。 たた、行が増えるため凊理時間も䌞びたす。 --- ### ② `order_details` を経由しお `orders.amount` を合蚈しおいる点 珟状は: ```sql SUM(o.amount) ``` です。 ここで泚意すべきは: - `orders.amount` が「受泚単䜍の総額」である 
応答時間 407.1秒出力 22483 トヌクン

他のプロンプトでも比范する →

よくある質問

GPT-5.6 LunaずQwen3.8 27B、料金はどちらが安いですか
出力100䞇トヌクンあたりGPT-5.6 Lunaは¥201.6、Qwen3.8 27Bは¥420で、GPT-5.6 Lunaの方が安くなりたすFastMetalの円建お単䟡・皎別。
GPT-5.6 LunaずQwen3.8 27Bのコンテキスト長の違いは
GPT-5.6 Lunaは1,050,000トヌクン、Qwen3.8 27Bは1,000,000トヌクンです。
GPT-5.6 LunaずQwen3.8 27B、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではGPT-5.6 Lunaが䞊ですGPT-5.6 Luna 60䜍、Qwen3.8 27B 90䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GPT-5.6 LunaずQwen3.8 27B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-5.6-luna" たたは "qwen3.8-27b" 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-5.6 LunaずQwen3.8 27B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-5.6 Lunaをチャットで詊すQwen3.8 27Bをチャットで詊す

GPT-5.6 Lunaの他の比范

Qwen3.8 27Bの他の比范