モデル比較

GPT-5 Mini 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 Mini(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 Miniqwen logoQwen4 Max
提供元OpenAIQwen
入力(100万トークンあたり)¥42¥237.38
出力(100万トークンあたり)¥336¥712.32
想定コスト(入力1,000・出力500トークン × 1,000回)¥210¥594
コンテキスト長400,000 トークン1,000,000 トークン
リリース日2025/8/72026/11/16
入力モダリティtext, image, filetext, image, video
生成速度 (p50)——
アリーナ 総合#182 · ELO 1,390圏外
アリーナ 日本語#130 · ELO 1,365圏外
アリーナ コーディング#188 · ELO 1,432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 Mini。出力100万トークンあたり¥336で、Qwen4 Maxより53%安くなります。
  • 長い文書を扱うならQwen4 Max。コンテキスト長は1,000,000トークンで、GPT-5 Miniの400,000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 Mini

原因: - DB から返ってくる order["price"] が文字列 (例: "9.99") になっており、数値演算に使える型になっていません。そのため price と quantity を掛けようとしたときに型の不整合でエラーになります(数値に変換してから掛ける必要があります)。 - 金額を扱う場合は float より Decimal を使うのが望ましい(丸め誤差を避けるため)。 修正例(推奨: Decimal を使う、安全に変換・例外処理): 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・数値どちらでも対応して Decimal に変換 try: price = Decimal(str(r['price'])) except (InvalidOperation, KeyError): price = Decimal('0') # quantity を整数に変換(不正なら 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 Mini

以下、指摘点と具体的な改善案(コード例付き)を示します。可読性・型安全性・堅牢性・パフォーマンスの観点を順に取り扱います。 主な問題点(現状) - any が多用されており型安全でない - エラーハンドリングがない(HTTPエラー・JSONパース失敗で例外が投げられる) - 配列ループが手続き的(for + index)、可読性が低い - マジックナンバー(limit=100)がハードコードされている - API が total/pages 情報を返すなら並列取得できるのに逐次取得している(必要に応じて改善可能) - メモリ効率の考慮がない(大量ユーザー時に全件配列を返す設計に注意) - タイムアウト・リトライ等の堅牢性対策がない 改善案(推奨実装) - 型定義を追加する(レスポンスと戻り値) - fetch のステータスをチェック、JSON 解析に対する try/catch - filter + map を使い可読性を向上 - const を多用し、再代入は最小化 - limit を定数化 - 必要なら並列取得や async generator を利用してメモリ使用を抑える 以下に「シンプルで堅牢な逐次実行版」と「ページ数が分かる場合の並列取得版」、さらに「メモリ効率の良い async iterable(逐次消費)版」を示します。 1) 推奨:型付け+エラーハンドリング+読みやすい逐次取得版 - シンプルで安全。API が次ページ情報しか返さない場合に有効。 ```ts type RawUser = { id: string; first_name: str…
応答時間 22.0秒出力 2418 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 Mini

要点だけ先に結論をまとめます。 - 問題点 - 現状のクエリは order_details と orders を展開した後で WHERE に o.created_at を入れているため LEFT JOIN が実質的に INNER JOIN になりつつも結合順序で大量行を生成してしまう(多重結合による爆発)。 - GROUP BY に product_name(文字列)を使っているため集約キーが大きく、効率が落ちる。 - 重要な結合カラム(order_details.product_id、reviews.product_id 等)にインデックスがない。 - orders.status / orders.created_at によるフィルタを効率化するインデックスがない。 - (注意)orders.amount を order_details 経由で SUM すると、1 注文に同一商品が複数行ある等で二重カウントする可能性がある(スキーマ次第)。 - 対策(優先度順) 1. 集約は「注文条件で絞った後」に先にまとめる(派生テーブル/CTE で pre-aggregate)。これで大きな結合を一度だけ行い、products 側に結合する行数を激減させる。 2. 主要結合列にインデックスを作る: - order_details(product_id, order_id) - reviews(product_id) - orders(status, created_at, order_id, amount) または order…
応答時間 25.7秒出力 3117 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 Mini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 Miniは¥336、Qwen4 Maxは¥712.32で、GPT-5 Miniの方が安くなります(FastMetalの円建て単価・税別)。
GPT-5 MiniとQwen4 Maxのコンテキスト長の違いは?
GPT-5 Miniは400,000トークン、Qwen4 Maxは1,000,000トークンです。
GPT-5 Mini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-mini" 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 Mini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 Miniの他の比較

Qwen4 Maxの他の比較