モデル比較

GPT-5.6 Luna vs Qwen4 Max

料金・コンテキスト長・実際の回答で比較(2026年11月時点)

GPT-5.6 Luna(OpenAI)とQwen4 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

openai logoGPT-5.6 Lunaqwen logoQwen4 Max
提供元OpenAIQwen
入力(100万トークンあたり)¥33.6¥237.38
出力(100万トークンあたり)¥201.6¥712.32
想定コスト(入力1,000・出力500トークン × 1,000回)¥134¥594
コンテキスト長1,050,000 トークン1,000,000 トークン
リリース日2026/7/92026/11/16
入力モダリティfile, image, texttext, image, video
生成速度 (p50)165 トークン/秒 (n=30)—
アリーナ 総合#78 · ELO 1,453圏外
アリーナ 日本語#60 · ELO 1,433圏外
アリーナ コーディング#76 · ELO 1,502圏外

料金はFastMetalの単価(税別)です。

順位データ: LMArena leaderboard dataset(lmarena-ai/leaderboard-dataset、CC BY 4.0、2026-11-11時点)。カテゴリ名の対応付けとスコアの丸めはFastMetalによる。

どちらを選ぶべきか

  • 料金重視ならGPT-5.6 Luna。出力100万トークンあたり¥201.6で、Qwen4 Maxより72%安くなります。
  • 長い文書を扱うならGPT-5.6 Luna。コンテキスト長は1,050,000トークンで、Qwen4 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…

GPT-5.6 Luna

原因は、`order["price"]` が文字列(`str`)として取得されているのに、`order["quantity"]` は整数(`int`)であるためです。 ```python "1000" * 2 ``` は数値の乗算ではなく、文字列の繰り返しとして扱われるため、`str` と `int` の乗算でエラーになります。 ## 修正例:Python側で型変換する 金額を扱うため、`float` ではなく `Decimal` を使うのが安全です。 ```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` に変換して正確に計算できます。 ## SQL側で数値型に変…
応答時間 6.7秒出力 775 トークン

Qwen4 Max

## 原因 `db.query()` から返ってきた `price`(または `quantity`)が **数値ではなく文字列** で、Python は `str` と数値の暗黙変換をしないため演算に失敗しています。 よくある発生パターン: - `price` カラムが `TEXT` / `VARCHAR` で定義されている(金額を文字列で保存している) - SQLite の型アフィニティや、JSON カラム・JSON 経由のデータで `"1980"` のように入っている - ドライバ/シリアライザの設定で `DECIMAL` が `str` として返る(冪等性重視のドライバや ORM の生 SQL 結果など) ### 補足:エラーメッセージの組み合わせについて 実は Python では `"1980" * 3` は **エラーにならず `"198019801980"` になります**(文字列の繰り返し)。つまり `str * int` の組み合わせでは、このTypeErrorは出ません。実際に起きているのは次のいずれかです。 - `quantity` 側が `float` / `Decimal` → `str * float` で `TypeError` - 両方 `str` → メッセージは `'str' and 'str'` - 掛け算は通ってしまい、`sum()` の足し算側で `TypeError: unsupported operand type(s) for +: 'int' and 'str'` したがって「price だけ直せば終わり」と決めつけ…
応答時間 61.8秒出力 2676 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…

GPT-5.6 Luna

以下の点を改善できます。 ## 主な改善点 ### 1. `any` を避ける `any` だとプロパティ名の誤りやレスポンス形式の変更を検知できません。APIレスポンスと戻り値に型を定義すると可読性と安全性が向上します。 ### 2. HTTPエラーを確認する `fetch` は、404や500でも例外を投げずに `Response` を返します。`response.ok` を確認する必要があります。 ### 3. マジックナンバーを定数化する `100` はページサイズを表しているため、定数にすると意図が明確になります。 ### 4. ページング条件をAPIのメタデータに依存させる `data.users.length < 100` という判定は、API仕様に依存しています。可能であれば `hasMore` や `nextPage` などの情報をAPIから受け取る方が堅牢です。 ### 5. `for` とインデックス参照を簡略化する `for...of`、`filter`、`map` などを使うと、処理内容が読みやすくなります。 ## 改善例 ```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 トークン

Qwen4 Max

# レビュー: `fetchAllUsers` 全体のロジック(ページングして溜め込む)は正しいですが、**エラーハンドリングの欠如**と**無限ループのリスク**が実運用では致命的です。以下、重要度順に整理します。 --- ## 1. 重大な問題( correctness / robustness ) | # | 問題 | 影響 | |---|---|---| | 1 | `response.ok` をチェックしていない | 404/500 でも `response.json()` を呼ぶ。HTML エラーページなら `SyntaxError`、`{"error":...}` なら `data.users` が `undefined` で `TypeError`。**原因が分からない例外**になる | | 2 | ループ上限がない | API が常に 100 件返す(`page` パラメータを無視する等)と**無限ループ**。クライアントが固まり、サーバにも負荷 | | 3 | `AbortSignal` がない | コンポーネントのアンマウントやタイムアウトでキャンセルできない。React なら状態更新リーク+無駄なリクエスト | | 4 | `data.users` の存在・型を検証していない | API 契約変更で即クラッシュ | | 5 | 終了判定が `length < 100` の推測 | 総件数が 100 の倍数のとき無駄なリクエストが 1 回発生。また API 側に `total` / `nextPage` があるならそれを使うべき | | 6 | 途…
応答時間 88.9秒出力 3471 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…

GPT-5.6 Luna

主な問題は、単にインデックス不足だけではありません。 1. `reviews` をそのまま JOIN しているため、注文行とレビュー行の組み合わせで行数が膨張する 2. `LEFT JOIN orders` なのに `WHERE o.created_at ...` を指定しているため、実質的に `INNER JOIN` になっている 3. 500万行を JOIN してから `GROUP BY` している 4. `order_details` に `product_id` のインデックスがない 注文集計とレビュー集計を先に商品単位で集約してから JOIN するのが効果的です。 ## 改善後のクエリ 「注文が存在する商品だけを表示する」という、元のクエリと同じ意味を維持する場合です。 ```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 トークン

Qwen4 Max

# 結論(先に要点) | # | 問題 | 影響 | |---|---|---| | 1 | **注文明細とレビューの多重結合(ファンアウト)** | 中間行数が爆発。**性能問題の最大原因であり、同時に集計値が間違っている** | | 2 | `LEFT JOIN orders` + `WHERE o.created_at >= ...` | 実質 INNER JOIN。オプティマイザの選択肢を狭め、意図も不明瞭 | | 3 | インデックス不足(特に `order_details.product_id/order_id`、`reviews.product_id`、`orders.status/created_at`) | 全件 Seq Scan + 巨大 Hash/Sort | | 4 | `GROUP BY product_name, category_name` | 同名の別商品が合并される。PK でグループ化すべき | | 5 | `SUM(o.amount)` を注文明細行に対して合計 | 1注文に複数明細があると金額が水増しされる(設計上の要確認点) | --- ## 1. 最大の原因:ファンアウトによる行数爆発 `order_details`(→orders)と `reviews` は **どちらも products に対する 1:N** です。これを同時に LEFT JOIN すると、商品ごとにデカルト積が発生します。 ``` product A: 注文明細 1,000行 × レビュー 50行 = 50,000行 product B: 注文明細 2,…
応答時間 129.4秒出力 5459 トークン

他のプロンプトでも比較する →

よくある質問

GPT-5.6 LunaとQwen4 Max、料金はどちらが安いですか?
出力100万トークンあたりGPT-5.6 Lunaは¥201.6、Qwen4 Maxは¥712.32で、GPT-5.6 Lunaの方が安くなります(FastMetalの円建て単価・税別)。
GPT-5.6 LunaとQwen4 Maxのコンテキスト長の違いは?
GPT-5.6 Lunaは1,050,000トークン、Qwen4 Maxは1,000,000トークンです。
GPT-5.6 LunaとQwen4 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 "gpt-5.6-luna" または "qwen4-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追加すれば、GPT-5.6 LunaとQwen4 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。

GPT-5.6 Lunaの他の比較

Qwen4 Maxの他の比較