GPT-6 Astra vs GPT-6 Luna
料金・コンテキスト長・実際の回答で比較（2026年11月時点）
GPT-6 Astra（OpenAI）とGPT-6 Luna（OpenAI）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-6 Astra | GPT-6 Luna | |
|---|---|---|
| 提供元 | OpenAI | OpenAI |
| 入力（100万トークンあたり） | ¥1,680 | ¥16.8 |
| 出力（100万トークンあたり） | ¥8,400 | ¥84 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥5,880 | ¥59 |
| コンテキスト長 | 1,050,000 トークン | 1,050,000 トークン |
| リリース日 | 2026/9/4 | 2026/9/22 |
| 入力モダリティ | file, image, text | file, image, text |
| 生成速度 (p50) | 96 トークン/秒 (n=25) | 82 トークン/秒 (n=25) |
| アリーナ 総合 | #37 · ELO 1,476 | #97 · ELO 1,441 |
| アリーナ 日本語 | #55 · ELO 1,438 | #73 · ELO 1,421 |
| アリーナ コーディング | #11 · ELO 1,542 | #66 · ELO 1,506 |
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、2026-10-28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-6 Luna。出力100万トークンあたり¥84で、GPT-6 Astraより99%安くなります。
- 総合の評価はアリーナ順位でGPT-6 Astraが上です（37位。GPT-6 Lunaは97位）。
- 日本語の評価はアリーナ順位でGPT-6 Astraが上です（55位。GPT-6 Lunaは73位）。
- コーディングの評価はアリーナ順位でGPT-6 Astraが上です（11位。GPT-6 Lunaは66位）。
- 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-6 Astra
`price` が文字列として返されている可能性があります。ただし、**提示されたエラーメッセージとコードには食い違いがあります**。
Python の標準の `str` と `int` は掛け算でき、数値計算ではなく文字列の繰り返しになります。
```python
"100" * 2 # "100100"
```
そのため、`price="100"`、`quantity=2` であれば、通常は掛け算ではなく、`sum()` が文字列を加算する段階で `int` と `str` の加算エラーになります。実際の値・型と、実行中のコードが提示内容と一致するか確認してください。
### 1. 取得した値と型を確認する
開発環境で、計算の直前に次を入れて確認します。
```python
for order in orders:
print(
"price:", repr(order["price"]), type(order["price"]),
"quantity:", repr(order["quantity"]), type(order["quantity"]),
)
```
※ `orders` がイテレーターの場合、この確認で消費されるため、先に `orders = list(orders)` としてください。
### 2. 数値に変換して計算する
金額には、浮動小数点の丸め誤差を避けるため `float` より `Decimal` が適しています。`price` が数値または数値文字列で、`quantity…
応答時間 13.8秒出力 793 トークン
GPT-6 Luna
`price` が数値ではなく文字列として取得されている可能性があります。金額は文字列のまま計算せず、数値型に変換してください。金額の計算には、浮動小数点数の誤差を避けるため `Decimal` を使うのがおすすめです。
```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 in orders
, Decimal("0"))
return {"user_id": user_id, "total": total, "orders": orders}
```
`quantity` も文字列で返る場合を考慮して `int()` で変換しています。なお、値が `None` や数値に変換できない文字列の場合は別途エラー処理が必要です。
また、標準的な Python では `"100" * 2` は文字列の繰り返しになるため、提示された `str` と `int` の掛け算だけなら、記載のエラーには通常なりません。文字列のまま計算すると、その後の `sum()` で別の型エ…
応答時間 11.7秒出力 1121 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-6 Astra
元の関数は処理の流れがシンプルで、ページを順番に取得する実装として妥当です。特に改善したいのは、**型安全性・HTTPエラー処理・ループ内の可読性**です。
## 主な改善点
### 1. `any` を具体的な型に置き換える
APIから受け取るユーザーと、整形後に返すユーザーでは構造が異なるため、別々の型を定義すると意図が明確になります。
ただし、TypeScriptの型指定だけでは実際のAPIレスポンスを検証できません。外部データの信頼性が低い場合は、Zodなどによる実行時検証も検討してください。
### 2. HTTPエラーを明示的に処理する
`fetch` は、404や500などのHTTPエラーでは通常rejectされません。`response.ok` を確認し、失敗したページなどを含むエラーを投げると原因を追いやすくなります。
### 3. 配列の添字アクセスを減らす
`for...of` と `continue` を使うと、`data.users[i]` の繰り返しやネストを減らせます。
`filter().map()` も読みやすい選択肢ですが、現状のように1回の走査で結果へ追加すれば、中間配列を作らずに済みます。
### 4. ページングの条件を明確にする
- `100` は定数化する。
- 開始ページは正の整数であることを検証する。
- 終了時に `break` すれば、`hasMore` の状態管理は不要になる。
## 改善例
以下は、APIの `id` が数値で、レスポンスが `{ users: [...] }` であることを前提とした例…
応答時間 20.2秒出力 1308 トークン
GPT-6 Luna
主な改善点は、型の明確化、HTTPエラーの確認、ループ状態の簡素化です。
### 改善例
```ts
interface ApiUser {
id: string | number;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersResponse {
users: ApiUser[];
}
interface UserSummary {
id: string | number;
name: string;
email: string;
}
const PAGE_SIZE = 100;
async function fetchAllUsers(startPage = 1): Promise<UserSummary[]> {
if (!Number.isInteger(startPage) || startPage < 1) {
throw new RangeError("startPage must be a positive integer");
}
const allUsers: UserSummary[] = [];
for (let page = startPage; ; page++) {
const params = new URLSearchParams({
page: String(page),
limit: String(PAGE…
応答時間 16.0秒出力 1532 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-6 Astra
ボトルネックはインデックス不足だけではありません。**注文明細とレビューの同時JOINによる行数の増幅**が、速度と集計値の両方に影響しています。
以下は、構文から **PostgreSQLを想定**した改善案です。実際の効果は、対象期間の注文数や実行計画で確認してください。
## 1. 元のクエリの問題点
### 注文数・売上がレビュー件数分だけ増える
ある商品に注文明細が10件、レビューが5件あると、JOIN後には50行になります。
そのため、元のクエリでは次の問題が起こります。
- `COUNT(o.order_id)`：レビュー件数分だけ過大になる
- `SUM(o.amount)`：レビュー件数分だけ過大になる
- 集計・ソートする行数が膨らみ、処理が重くなる
商品単位なら `AVG(r.rating)` は均等な重複によって値が変わらない場合がありますが、同名商品をまとめる現状のGROUP BYでは、注文数による意図しない重み付けも起こり得ます。
### `orders` のLEFT JOINは、実質的にINNER JOIN
```sql
WHERE o.created_at >= '2024-04-01'
```
によって、注文がない行は除外されます。現在の対象商品を維持するなら、`INNER JOIN`として明示できます。
### 商品名だけでGROUP BYしている
```sql
GROUP BY p.product_name, c.category_name
```
では、同じ商品名・カテゴリ名を持つ別の商品が統合されます。**商品…
応答時間 37.1秒出力 2211 トークン
GPT-6 Luna
まず、現在のクエリでは `reviews` と `order_details` を同時に結合しているため、注文明細数 × レビュー数の行ができ、`SUM` や `AVG` が水増しされる可能性があります。先にそれぞれを商品単位で集計し、その結果を結合するのが基本です。
また、`WHERE o.created_at >= ...` は `LEFT JOIN` した `orders` のNULL行を除外します。つまり、このクエリは実質的に「条件に合う注文がある商品だけ」を返しています。以下はその商品選択を保ちつつ、集計の水増しを避ける書き換え例です。
```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 active_products p
JOIN order_details od
ON od.product_id = p.id
JOIN orders o
ON o.order_id = od.order_id
AND o.status = '完了'
AND o.created_at >= TIMESTAMP '2024-04-01'
GROUP BY…
応答時間 27.3秒出力 2871 トークン
よくある質問
- GPT-6 AstraとGPT-6 Luna、料金はどちらが安いですか？
- 出力100万トークンあたりGPT-6 Astraは¥8,400、GPT-6 Lunaは¥84で、GPT-6 Lunaの方が安くなります（FastMetalの円建て単価・税別）。
- GPT-6 AstraとGPT-6 Lunaのコンテキスト長の違いは？
- GPT-6 Astraは1,050,000トークン、GPT-6 Lunaは1,050,000トークンです。
- GPT-6 AstraとGPT-6 Luna、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-6 Astraが上です（GPT-6 Astra 55位、GPT-6 Luna 73位）。順位はリーダーボードの更新で変わります。
- GPT-6 AstraとGPT-6 Luna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-6-astra" または "gpt-6-luna" 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-6 AstraとGPT-6 Luna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。