モデル比范

GPT-5.6 Terra vs Qwen4 Max

料金・コンテキスト長・実際の回答で比范2026幎11月時点

GPT-5.6 TerraOpenAIずQwen4 Max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 Terraqwen logoQwen4 Max
提䟛元OpenAIQwen
入力100䞇トヌクンあたり¥336Â¥237.38
出力100䞇トヌクンあたり¥2,016Â¥712.32
想定コスト入力1,000・出力500トヌクン × 1,000回¥1,344Â¥594
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2026/7/92026/11/16
入力モダリティfile, image, texttext, image, video
生成速床 (p50)207 トヌクン/秒 (n=30)—
アリヌナ 総合#52 · ELO 1,468圏倖
アリヌナ 日本語#31 · ELO 1,464圏倖
アリヌナ コヌディング#44 · ELO 1,517圏倖

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、2026-11-11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Qwen4 Max。出力100䞇トヌクンあたり¥712.32で、GPT-5.6 Terraより65%安くなりたす。
  • 長い文曞を扱うならGPT-5.6 Terra。コンテキスト長は1,050,000トヌクンで、Qwen4 Max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 Terra

原因は `order["price"]` が文字列`str`ずしお取埗されおおり、数倀ずしお扱えおいないこずです。 ```python order["price"] * order["quantity"] ``` で、䟋えば以䞋のような倀になっおいるず゚ラヌになりたす。 ```python price = "1000" # str quantity = 2 # int ``` Pythonでは文字列ず敎数の乗算は本来 `"abc" * 2` のように文字列を繰り返す甚途ですが、DBドラむバや倀の圢匏によっおは数倀挔算ずしお扱えず、今回のような䟋倖になりたす。特に `price` が通貚蚘号・カンマ付き文字列・空文字などの堎合も泚意が必芁です。 ## 修正䟋 金額には浮動小数点数 (`float`) よりも `Decimal` を䜿うのが安党です。`float` は小数の䞞め誀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 トヌクン

Qwen4 Max

## 原因 `db.query()` から返っおきた `price`たたは `quantity`が **数倀ではなく文字列** で、Python は `str` ず数倀の暗黙倉換をしないため挔算に倱敗しおいたす。 よくある発生パタヌン - `price` カラムが `TEXT` / `VARCHAR` で定矩されおいる金額を文字列で保存しおいる - SQLite の型アフィニティや、JSON カラム・JSON 経由のデヌタで `"1980"` のように入っおいる - ドラむバシリアラむザの蚭定で `DECIMAL` が `str` ずしお返る冪等性重芖のドラむバや ORM の生 SQL 結果など ### 補足゚ラヌメッセヌゞの組み合わせに぀いお 実は Python では `"1980" * 3` は **゚ラヌにならず `"198019801980"` になりたす**文字列の繰り返し。぀たり `str * int` の組み合わせでは、このTypeErrorは出たせん。実際に起きおいるのは次のいずれかです。 - `quantity` 偎が `float` / `Decimal` → `str * float` で `TypeError` - 䞡方 `str` → メッセヌゞは `'str' and 'str'` - 掛け算は通っおしたい、`sum()` の足し算偎で `TypeError: unsupported operand type(s) for +: 'int' and 'str'` したがっお「price だけ盎せば終わり」ず決め぀け 
応答時間 61.8秒出力 2676 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 Terra

以䞋の点を改善できたす。 ## 䞻な改善点 ### 1. `any` を避けお型を定矩する `Promise<any[]>` や `let allUsers: any[]` では、APIレスポンスの倉曎やプロパティ名のミスをコンパむル時に怜知できたせん。 - APIレスポンス甚の型 - アプリケヌション内で䜿うナヌザヌ型 を分けお定矩するず安党です。 ### 2. HTTP ゚ラヌを確認する `fetch` は HTTP 404 / 500 でも基本的に䟋倖を投げたせん。`response.ok` を確認しないず、゚ラヌペヌゞを JSON ずしお凊理しようずしお原因が分かりにくくなりたす。 ### 3. マゞックナンバヌを定数化する `100` が耇数箇所にあるため、ペヌゞサむズ倉曎時に修正挏れが起こり埗たす。 ### 4. `filter` ず `map` で意図を明確にする `for` ルヌプ内でフィルタリング・倉換・远加を行うより、`filter` ず `map` を䜿うず「削陀枈みを陀倖しお衚瀺甚デヌタに倉換する」ずいう凊理が読み取りやすくなりたす。 ### 5. `hasMore` は䞍芁 無限ルヌプ + `break`、たたは `for` ルヌプにするず状態倉数を䞀぀枛らせたす。 ### 6. URL ク゚リを安党に組み立おる `URLSearchParams` を䜿うず、パラメヌタ远加時や゚ンコヌド挏れを防げたす。 --- ## 改善䟋 ```ts const PAGE_SIZE = 100; type ApiUser = { id:

応答時間 18.5秒出力 1823 トヌクン

Qwen4 Max

# レビュヌ: `fetchAllUsers` 党䜓のロゞックペヌゞングしお溜め蟌むは正しいですが、**゚ラヌハンドリングの欠劂**ず**無限ルヌプのリスク**が実運甚では臎呜的です。以䞋、重芁床順に敎理したす。 --- ## 1. 重倧な問題 correctness / robustness  | # | 問題 | 圱響 | |---|---|---| | 1 | `response.ok` をチェックしおいない | 404/500 でも `response.json()` を呌ぶ。HTML ゚ラヌペヌゞなら `SyntaxError`、`{"error":...}` なら `data.users` が `undefined` で `TypeError`。**原因が分からない䟋倖**になる | | 2 | ルヌプ䞊限がない | API が垞に 100 件返す`page` パラメヌタを無芖する等ず**無限ルヌプ**。クラむアントが固たり、サヌバにも負荷 | | 3 | `AbortSignal` がない | コンポヌネントのアンマりントやタむムアりトでキャンセルできない。React なら状態曎新リヌク無駄なリク゚スト | | 4 | `data.users` の存圚・型を怜蚌しおいない | API 契玄倉曎で即クラッシュ | | 5 | 終了刀定が `length < 100` の掚枬 | 総件数が 100 の倍数のずき無駄なリク゚ストが 1 回発生。たた API 偎に `total` / `nextPage` があるならそれを䜿うべき | | 6 | 途

応答時間 88.9秒出力 3471 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 Terra

䞻な遅延芁因は、`order_details` ず `reviews` を同時に `products` ぞ結合しおいる点です。 1 商品に察しお泚文明现が N 件、レビュヌが M 件あるず、結合結果は **N × M 行** になりたす。 その結果、遅いだけでなく、珟圚の `COUNT(o.order_id)` ず `SUM(o.amount)` はレビュヌ件数分だけ氎増しされたす。 たた、`LEFT JOIN orders` なのに `WHERE o.created_at >= ...` を指定しおいるため、実際には `orders` が存圚する商品だけが残り、`LEFT JOIN` の意味が倱われおいたす。 ## 掚奚ク゚リ 泚文集蚈ずレビュヌ集蚈を先に商品単䜍で行い、その埌に結合したす。 ```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 トヌクン

Qwen4 Max

# 結論(先に芁点) | # | 問題 | 圱響 | |---|---|---| | 1 | **泚文明现ずレビュヌの倚重結合(ファンアりト)** | 䞭間行数が爆発。**性胜問題の最倧原因であり、同時に集蚈倀が間違っおいる** | | 2 | `LEFT JOIN orders` + `WHERE o.created_at >= ...` | 実質 INNER JOIN。オプティマむザの遞択肢を狭め、意図も䞍明瞭 | | 3 | むンデックス䞍足(特に `order_details.product_id/order_id`、`reviews.product_id`、`orders.status/created_at`) | å…šä»¶ Seq Scan + 巚倧 Hash/Sort | | 4 | `GROUP BY product_name, category_name` | 同名の別商品が合并される。PK でグルヌプ化すべき | | 5 | `SUM(o.amount)` を泚文明现行に察しお合蚈 | 1泚文に耇数明现があるず金額が氎増しされる(蚭蚈䞊の芁確認点) | --- ## 1. 最倧の原因:ファンアりトによる行数爆発 `order_details`(→orders)ず `reviews` は **どちらも products に察する 1:N** です。これを同時に LEFT JOIN するず、商品ごずにデカルト積が発生したす。 ``` product A: 泚文明现 1,000行 × レビュヌ 50行 = 50,000行 product B: 泚文明现 2,

応答時間 129.4秒出力 5459 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 TerraずQwen4 Max、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 Terraは¥2,016、Qwen4 Maxは¥712.32で、Qwen4 Maxの方が安くなりたすFastMetalの円建お単䟡・皎別。
GPT-5.6 TerraずQwen4 Maxのコンテキスト長の違いは
GPT-5.6 Terraは1,050,000トヌクン、Qwen4 Maxは1,000,000トヌクンです。
GPT-5.6 TerraずQwen4 Max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-terra" たたは "qwen4-max" 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 TerraずQwen4 Max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。

GPT-5.6 Terraの他の比范

Qwen4 Maxの他の比范