GPT-5.6 Terra vs Inkling
料金・コンテキスト長・実際の回答で比較（2026年10月時点）
GPT-5.6 Terra（OpenAI）とInkling（Thinking Machines）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
 GPT-5.6 Terra | Inkling | |
|---|---|---|
| 提供元 | OpenAI | Thinking Machines |
| 入力（100万トークンあたり） | ¥336 | ¥159.6 |
| 出力（100万トークンあたり） | ¥2,016 | ¥680.4 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,344 | ¥500 |
| コンテキスト長 | 1,050,000 トークン | 524,288 トークン |
| リリース日 | 2026/7/9 | 2026/7/17 |
| 入力モダリティ | file, image, text | text, image, audio |
| 生成速度 (p50) | 192 トークン/秒 (n=26) | 120 トークン/秒 (n=20) |
| アリーナ 総合 | #50 · ELO 1,466 | #95 · ELO 1,441 |
| アリーナ 日本語 | #23 · ELO 1,475 | #56 · ELO 1,430 |
| アリーナ コーディング | #43 · ELO 1,516 | #91 · ELO 1,492 |
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、2026-10-08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Inkling。出力100万トークンあたり¥680.4で、GPT-5.6 Terraより66%安くなります。
- 総合の評価はアリーナ順位でGPT-5.6 Terraが上です（50位。Inklingは95位）。
- 日本語の評価はアリーナ順位でGPT-5.6 Terraが上です（23位。Inklingは56位）。
- コーディングの評価はアリーナ順位でGPT-5.6 Terraが上です（43位。Inklingは91位）。
- 長い文書を扱うならGPT-5.6 Terra。コンテキスト長は1,050,000トークンで、Inklingの524,288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 Terra
原因は `order["price"]` が文字列（`str`）として取得されており、数値として扱えていないことです。
```python
order["price"] * order["quantity"]
```
で、例えば以下のような値になっているとエラーになります。
```python
price = "1000" # str
quantity = 2 # int
```
Pythonでは文字列と整数の乗算は本来 `"abc" * 2` のように文字列を繰り返す用途ですが、DBドライバや値の形式によっては数値演算として扱えず、今回のような例外になります。特に `price` が通貨記号・カンマ付き文字列・空文字などの場合も注意が必要です。
## 修正例
金額には浮動小数点数 (`float`) よりも `Decimal` を使うのが安全です。`float` は小数の丸め誤差が起きるためです。
```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…
応答時間 7.4秒出力 761 トークン
Inkling
このエラーの原因は、**データベースから取得した `price` が文字列（`str`）として返されている**ため、整数（`int`）の `quantity` と掛け算できないことです。
SQLの結果セットを辞書（`order["price"]` など）で扱っている場合、DBドライバやカラムのデータ型（例：`VARCHAR` や `TEXT`、あるいはドライバの仕様）によって数値が文字列のまま渡されることがあります。
### 修正方法
`price`（必要なら `quantity` も）を数値型に変換してから計算します。価格は小数を含む可能性があるため、`float()` または `Decimal` を使うのが適切です。
```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)
# price を Decimal（または float）に、quantity を int に変換
total = sum(
Decimal(str(order["price"])) * int(order["quantity"])
for order in orders
)
return {"user_id": user_id, "total": total, "orders":…
応答時間 22.4秒出力 1285 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 Terra
以下の点を改善できます。
## 主な改善点
### 1. `any` を避けて型を定義する
`Promise<any[]>` や `let allUsers: any[]` では、APIレスポンスの変更やプロパティ名のミスをコンパイル時に検知できません。
- APIレスポンス用の型
- アプリケーション内で使うユーザー型
を分けて定義すると安全です。
### 2. HTTP エラーを確認する
`fetch` は HTTP 404 / 500 でも基本的に例外を投げません。`response.ok` を確認しないと、エラーページを JSON として処理しようとして原因が分かりにくくなります。
### 3. マジックナンバーを定数化する
`100` が複数箇所にあるため、ページサイズ変更時に修正漏れが起こり得ます。
### 4. `filter` と `map` で意図を明確にする
`for` ループ内でフィルタリング・変換・追加を行うより、`filter` と `map` を使うと「削除済みを除外して表示用データに変換する」という処理が読み取りやすくなります。
### 5. `hasMore` は不要
無限ループ + `break`、または `for` ループにすると状態変数を一つ減らせます。
### 6. URL クエリを安全に組み立てる
`URLSearchParams` を使うと、パラメータ追加時やエンコード漏れを防げます。
---
## 改善例
```ts
const PAGE_SIZE = 100;
type ApiUser = {
id:…
応答時間 18.5秒出力 1823 トークン
Inkling
以下、**可読性・パフォーマンス・ベストプラクティス**の観点からレビューと改善案を提示します。
---
## 主要な問題点（要約）
| 観点 | 問題 |
|------|------|
| **型安全性** | `any` が乱用されており、コンパイル時のチェックが効かない |
| **エラーハンドリング** | `fetch` の失敗（HTTPエラー）、JSONパース失敗、API形式不正を一切考慮していない |
| **無限ループリスク** | APIが常に100件返し続けた場合、`while` が永遠に続く |
| **可読性** | インデックスループ、`let` の乱用、文字列結合（`+`）、マジックナンバー |
| **セキュリティ/堅牢性** | クエリパラメータがエンコードされていない、レスポンス構造を検証していない |
---
## 改善版コード
```typescript
// --- 型定義 ---
interface RawUser {
id: string | number;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersApiResponse {
users: RawUser[];
}
export interface User {
id: string | number;
name: string;
email: string;
}
const DEFAULT_LIM…
応答時間 45.2秒出力 4396 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 Terra
主な遅延要因は、`order_details` と `reviews` を同時に `products` へ結合している点です。
1 商品に対して注文明細が N 件、レビューが M 件あると、結合結果は **N × M 行** になります。
その結果、遅いだけでなく、現在の `COUNT(o.order_id)` と `SUM(o.amount)` はレビュー件数分だけ水増しされます。
また、`LEFT JOIN orders` なのに `WHERE o.created_at >= ...` を指定しているため、実際には `orders` が存在する商品だけが残り、`LEFT JOIN` の意味が失われています。
## 推奨クエリ
注文集計とレビュー集計を先に商品単位で行い、その後に結合します。
```sql
WITH active_products AS (
SELECT
id,
product_name,
category_id
FROM products
WHERE is_active = true
),
sales AS (
SELECT
od.product_id,
COUNT(*) AS order_count,
SUM(o.amount) AS total_sales
FROM orders o
INNER JOIN order_details od
ON od.order_id = o.or…
応答時間 45.1秒出力 3997 トークン
Inkling
このクエリには**「結果が間違う（ファントラップ）」**と**「5M行をフルスキャンして爆発的に増える」**の両方の致命的な問題があります。以下、原因と最適化案を説明します。
---
## 1. 主な問題点
### ① ファントラップ（JOINの爆発と集計の誤り）
`order_details` と `reviews` を両方 `p.id` で結合しています。これは**1つの商品に対して「注文明細×レビュー」が直積（Cartesian Product）**で発生することを意味します。
- 商品Aに注文が100件、レビューが50件あると → **5,000行**が生成
- その結果、`COUNT(o.order_id)` や `SUM(o.amount)` がレビュー件数倍に膨らみ、`AVG(r.rating)` も正しく計算されません。
### ② WHERE句でのLEFT JOINの無効化
```sql
LEFT JOIN orders o ...
WHERE o.created_at >= '2024-04-01'
```
`LEFT JOIN` の右側テーブルに `WHERE` で条件をつけると、**NULL（注文なしの商品）が除外され、実質INNER JOINになります**。しかもデータベースはまず全結合を作ってからフィルタするため、無駄な中間結果が巨大になります。
### ③ インデックスの不足
存在するのは `products(id)` と `orders(order_id)` のみ。以下が欠落しています：
- `products(is_active,…
応答時間 81.6秒出力 9649 トークン
よくある質問
- GPT-5.6 TerraとInkling、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 Terraは¥2,016、Inklingは¥680.4で、Inklingの方が安くなります（FastMetalの円建て単価・税別）。
- GPT-5.6 TerraとInklingのコンテキスト長の違いは？
- GPT-5.6 Terraは1,050,000トークン、Inklingは524,288トークンです。
- GPT-5.6 TerraとInkling、評価が高いのはどちらですか？
- 公開アリーナの順位ではGPT-5.6 Terraが上です（GPT-5.6 Terra 23位、Inkling 56位）。順位はリーダーボードの更新で変わります。
- GPT-5.6 TerraとInkling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-terra" または "inkling" 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 TerraとInkling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。