GPT-5.6 Terra vs Qwen3.7 Max
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
GPT-5.6 Terra（OpenAI）とQwen3.7 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
 GPT-5.6 Terra |  Qwen3.7 Max | |
|---|---|---|
| 提供元 | OpenAI | Qwen |
| 入力（100万トークンあたり） | ¥357.4 | ¥263.58 |
| 出力（100万トークンあたり） | ¥2,144.4 | ¥790.75 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,430 | ¥659 |
| 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 | 2026/7/9 | 2026/5/21 |
| 入力モダリティ | file, image, text | text |
| アリーナ 総合 | #34 · ELO 1,468 | #21 · ELO 1,475 |
| アリーナ 日本語 | 圏外 | 圏外 |
| アリーナ コーディング | #22 · ELO 1,521 | #15 · ELO 1,526 |
料金はFastMetalの円建て単価（税別）。アリーナ順位は公開リーダーボードの最新取得時点の値です。
どちらを選ぶべきか
- 料金重視ならQwen3.7 Max。出力100万トークンあたり¥790.75で、GPT-5.6 Terraより63%安くなります。
- 総合の評価はアリーナ順位でQwen3.7 Maxが上です（21位。GPT-5.6 Terraは34位）。
- コーディングの評価はアリーナ順位でQwen3.7 Maxが上です（15位。GPT-5.6 Terraは22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、Qwen3.7 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 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
Qwen3.7 Max
### 結論：エラーの原因
このエラーの原因は、**データベースから取得した `order["price"]`（または `order["quantity"]`）が数値型（`int` や `float`）ではなく、文字列型（`str`）として返ってきている**ことです。
Pythonでは本来 `"100" * 2` のような「文字列 × 整数」の演算は `"100100"` という文字列の繰り返しとして処理されますが、フレームワークやORMの内部処理、あるいは実際には `float` と `str` の演算であった場合などに `TypeError` として数学的な乗算エラーが送出されます。
いずれにせよ、**「数値計算をしたいのに、データが文字列になっている」** ことが根本原因です。これは、データベース側の `price` カラムが `VARCHAR` や `TEXT` 型で定義されている場合によく起こります。
---
### 修正方法
アプローチは3つあります。状況に合わせて選択してください。
#### 1. Python側で型変換する（即効性のある修正）
コード上で明示的に数値（`float` または `int`）にキャストします。価格には小数が含まれる可能性があるため、`float()` を使うのが安全です。
```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
Qwen3.7 Max
ご提示いただいたコードは、ページネーションの処理やデータの整形など、基本的なロジックは正しく実装されています。
しかし、**TypeScriptの型安全性、エラーハンドリング、可読性、そして大規模データ時のパフォーマンス（メモリ消費）** の観点から、いくつか重要な改善点があります。
以下にレビュー結果と、改善後のコードを提案します。
---
### 🔍 レビューポイント
#### 1. 型安全性 (TypeScriptベストプラクティス)
* **`any` の多用:** `Promise<any[]>` や `data` が `any` になっているため、TypeScriptの恩恵（補完やコンパイル時のエラー検知）が得られていません。APIレスポンスと返却用のインターフェースを定義すべきです。
* **プロパティアクセスの危険性:** `data.users` が存在しない（または `null` / `undefined`）場合にランタイムエラー（`TypeError`）が発生するリスクがあります。
#### 2. エラーハンドリングと堅牢性
* **HTTPステータスコードの未確認:** `fetch` はネットワークエラー（オフライン等）以外ではエラーを投げません（404や500でも成功とみなされます）。`response.ok` のチェックが必須です。
* **無限ループのリスク:** サーバー側のバグで常に100件返却され続けた場合、無限ループに陥ります。セーフティネット（最大ページ数や総件数のチェック）があると安心です。
#### 3. 可読性
*…
応答時間 73.1秒出力 3915 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
Qwen3.7 Max
提示されたSQLクエリには、**パフォーマンスを著しく低下させる構造的な問題（直積の発生）**と、**意図しないデータ抽出（暗黙のINNER JOIN）**、そして**インデックスの不足**という3つの重大な問題があります。
以下に最適化されたクエリと、必要なインデックス、そして改善点の詳細な解説を提示します。
---
### 1. 最適化されたSQLクエリ
```sql
WITH SalesAgg AS (
-- 1. 注文と注文詳細を先に集計し、商品IDごとの売上を作る
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. レビューの平均はLIMIT 50件に対してのみ計算する（相関サブクエリ）
(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 トークン
よくある質問
- GPT-5.6 TerraとQwen3.7 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 Terraは¥2,144.4、Qwen3.7 Maxは¥790.75で、Qwen3.7 Maxの方が安くなります（FastMetalの円建て単価・税別）。
- GPT-5.6 TerraとQwen3.7 Maxのコンテキスト長の違いは？
- GPT-5.6 Terraは1,050,000トークン、Qwen3.7 Maxは1,000,000トークンです。
- GPT-5.6 TerraとQwen3.7 Max、評価が高いのはどちらですか？
- 公開アリーナの順位ではQwen3.7 Maxが上です（GPT-5.6 Terra 34位、Qwen3.7 Max 21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Qwen3.7 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-terra" または "qwen3.7-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チャージすれば、GPT-5.6 TerraとQwen3.7 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。