FastMetal

モデル比范

GPT-5 Mini vs Qwen3.7 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 MiniOpenAIずQwen3.7 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 Miniqwen logoQwen3.7 Max
提䟛元OpenAIQwen
入力100䞇トヌクンあたり¥42Â¥420
出力100䞇トヌクンあたり¥336Â¥1,260
想定コスト入力1,000・出力500トヌクン × 1,000回¥210Â¥1,050
コンテキスト長400,000 トヌクン262,144 トヌクン
リリヌス日2025/8/72026/5/21
入力モダリティtext, image, filetext
生成速床 (p50)—97 トヌクン/秒 (n=27)
アリヌナ 総合#180 · ELO 1,390#42 · ELO 1,474
アリヌナ 日本語#128 · ELO 1,364圏倖
アリヌナ コヌディング#188 · ELO 1,432#30 · ELO 1,523

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、2026-10-28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 Mini。出力100䞇トヌクンあたり¥336で、Qwen3.7 Maxより73%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です42䜍。GPT-5 Miniは180䜍。
  • コヌディングの評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です30䜍。GPT-5 Miniは188䜍。
  • 長い文曞を扱うならGPT-5 Mini。コンテキスト長は400,000トヌクンで、Qwen3.7 Maxの262,144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 Mini

原因: - DB から返っおくる order["price"] が文字列 (䟋: "9.99") になっおおり、数倀挔算に䜿える型になっおいたせん。そのため price ず quantity を掛けようずしたずきに型の䞍敎合で゚ラヌになりたす数倀に倉換しおから掛ける必芁がありたす。 - 金額を扱う堎合は float より Decimal を䜿うのが望たしい䞞め誀差を避けるため。 修正䟋掚奚: Decimal を䜿う、安党に倉換・䟋倖凊理: from decimal import Decimal, InvalidOperation def get_user_orders(user_id): rows = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) orders = [] total = Decimal('0') for r in rows: # 文字列・数倀どちらでも察応しお Decimal に倉換 try: price = Decimal(str(r['price'])) except (InvalidOperation, KeyError): price = Decimal('0') # quantity を敎数に倉換䞍正なら 0 にするなど適宜ハンドリング try:

応答時間 13.7秒出力 1469 トヌクン

Qwen3.7 Max

### 結論゚ラヌの原因 この゚ラヌの原因は、**デヌタベヌスから取埗した `order["price"]`たたは `order["quantity"]`が数倀型`int` や `float`ではなく、文字列型`str`ずしお返っおきおいる**こずです。 Pythonでは本来 `"100" * 2` のような「文字列 × 敎数」の挔算は `"100100"` ずいう文字列の繰り返しずしお凊理されたすが、フレヌムワヌクやORMの内郚凊理、あるいは実際には `float` ず `str` の挔算であった堎合などに `TypeError` ずしお数孊的な乗算゚ラヌが送出されたす。 いずれにせよ、**「数倀蚈算をしたいのに、デヌタが文字列になっおいる」** こずが根本原因です。これは、デヌタベヌス偎の `price` カラムが `VARCHAR` や `TEXT` 型で定矩されおいる堎合によく起こりたす。 --- ### 修正方法 アプロヌチは3぀ありたす。状況に合わせお遞択しおください。 #### 1. Python偎で型倉換する即効性のある修正 コヌド䞊で明瀺的に数倀`float` たたは `int`にキャストしたす。䟡栌には小数が含たれる可胜性があるため、`float()` を䜿うのが安党です。 ```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 Mini

以䞋、指摘点ず具䜓的な改善案コヌド䟋付きを瀺したす。可読性・型安党性・堅牢性・パフォヌマンスの芳点を順に取り扱いたす。 䞻な問題点珟状 - any が倚甚されおおり型安党でない - ゚ラヌハンドリングがないHTTP゚ラヌ・JSONパヌス倱敗で䟋倖が投げられる - 配列ルヌプが手続き的for + index、可読性が䜎い - マゞックナンバヌlimit=100がハヌドコヌドされおいる - API が total/pages 情報を返すなら䞊列取埗できるのに逐次取埗しおいる必芁に応じお改善可胜 - メモリ効率の考慮がない倧量ナヌザヌ時に党件配列を返す蚭蚈に泚意 - タむムアりト・リトラむ等の堅牢性察策がない 改善案掚奚実装 - 型定矩を远加するレスポンスず戻り倀 - fetch のステヌタスをチェック、JSON 解析に察する try/catch - filter + map を䜿い可読性を向䞊 - const を倚甚し、再代入は最小化 - limit を定数化 - 必芁なら䞊列取埗や async generator を利甚しおメモリ䜿甚を抑える 以䞋に「シンプルで堅牢な逐次実行版」ず「ペヌゞ数が分かる堎合の䞊列取埗版」、さらに「メモリ効率の良い async iterable逐次消費版」を瀺したす。 1) 掚奚型付け゚ラヌハンドリング読みやすい逐次取埗版 - シンプルで安党。API が次ペヌゞ情報しか返さない堎合に有効。 ```ts type RawUser = { id: string; first_name: str

応答時間 22.0秒出力 2418 トヌクン

Qwen3.7 Max

ご提瀺いただいたコヌドは、ペヌゞネヌションの凊理やデヌタの敎圢など、基本的なロゞックは正しく実装されおいたす。 しかし、**TypeScriptの型安党性、゚ラヌハンドリング、可読性、そしお倧芏暡デヌタ時のパフォヌマンスメモリ消費** の芳点から、いく぀か重芁な改善点がありたす。 以䞋にレビュヌ結果ず、改善埌のコヌドを提案したす。 --- ### 🔍 レビュヌポむント #### 1. 型安党性 (TypeScriptベストプラクティス) * **`any` の倚甚:** `Promise<any[]>` や `data` が `any` になっおいるため、TypeScriptの恩恵補完やコンパむル時の゚ラヌ怜知が埗られおいたせん。APIレスポンスず返华甚のむンタヌフェヌスを定矩すべきです。 * **プロパティアクセスの危険性:** `data.users` が存圚しないたたは `null` / `undefined`堎合にランタむム゚ラヌ`TypeError`が発生するリスクがありたす。 #### 2. ゚ラヌハンドリングず堅牢性 * **HTTPステヌタスコヌドの未確認:** `fetch` はネットワヌク゚ラヌオフラむン等以倖でぱラヌを投げたせん404や500でも成功ずみなされたす。`response.ok` のチェックが必須です。 * **無限ルヌプのリスク:** サヌバヌ偎のバグで垞に100件返华され続けた堎合、無限ルヌプに陥りたす。セヌフティネット最倧ペヌゞ数や総件数のチェックがあるず安心です。 #### 3. 可読性 *

応答時間 73.1秒出力 3915 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 Mini

芁点だけ先に結論をたずめたす。 - 問題点 - 珟状のク゚リは order_details ず orders を展開した埌で WHERE に o.created_at を入れおいるため LEFT JOIN が実質的に INNER JOIN になり぀぀も結合順序で倧量行を生成しおしたう倚重結合による爆発。 - GROUP BY に product_name文字列を䜿っおいるため集玄キヌが倧きく、効率が萜ちる。 - 重芁な結合カラムorder_details.product_id、reviews.product_id 等にむンデックスがない。 - orders.status / orders.created_at によるフィルタを効率化するむンデックスがない。 - 泚意orders.amount を order_details 経由で SUM するず、1 泚文に同䞀商品が耇数行ある等で二重カりントする可胜性があるスキヌマ次第。 - 察策優先床順 1. 集玄は「泚文条件で絞った埌」に先にたずめる掟生テヌブルCTE で pre-aggregate。これで倧きな結合を䞀床だけ行い、products 偎に結合する行数を激枛させる。 2. 䞻芁結合列にむンデックスを䜜る - order_details(product_id, order_id) - reviews(product_id) - orders(status, created_at, order_id, amount) たたは order

応答時間 25.7秒出力 3117 トヌクン

Qwen3.7 Max

提瀺されたSQLク゚リには、**パフォヌマンスを著しく䜎䞋させる構造的な問題盎積の発生**ず、**意図しないデヌタ抜出暗黙のINNER JOIN**、そしお**むンデックスの䞍足**ずいう3぀の重倧な問題がありたす。 以䞋に最適化されたク゚リず、必芁なむンデックス、そしお改善点の詳现な解説を提瀺したす。 --- ### 1. 最適化されたSQLク゚リ ```sql WITH SalesAgg AS ( -- 1. 泚文ず泚文詳现を先に集蚈し、商品IDごずの売䞊を䜜る 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. レビュヌの平均はLIMIT 50件に察しおのみ蚈算する盞関サブク゚リ (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 トヌクン

他のプロンプトでも比范する →

よくある質問

GPT-5 MiniずQwen3.7 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 Miniは¥336、Qwen3.7 Maxは¥1,260で、GPT-5 Miniの方が安くなりたすFastMetalの円建お単䟡・皎別。
GPT-5 MiniずQwen3.7 Maxのコンテキスト長の違いは
GPT-5 Miniは400,000トヌクン、Qwen3.7 Maxは262,144トヌクンです。
GPT-5 MiniずQwen3.7 Max、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではQwen3.7 Maxが䞊ですGPT-5 Mini 128䜍、Qwen3.7 Max 42䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
GPT-5 MiniずQwen3.7 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-mini" たたは "qwen3.7-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 MiniずQwen3.7 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。

無料でアカりント䜜成GPT-5 Miniをチャットで詊すQwen3.7 Maxをチャットで詊す

GPT-5 Miniの他の比范

Qwen3.7 Maxの他の比范