GPT-6 Luna vs Qwen3.8 27B
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 Luna（OpenAI）とQwen3.8 27B（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-6 Luna |  Qwen3.8 27B | |
|---|---|---|
| 提供元 | OpenAI | Qwen |
| 入力（100万トークンあたり） | ¥16.8 | ¥33.6 |
| 出力（100万トークンあたり） | ¥84 | ¥420 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥59 | ¥244 |
| 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 | 2026/9/22 | 2026/8/14 |
| 入力モダリティ | file, image, text | text, image, video |
| 生成速度 (p50) | 82 トークン/秒 (n=25) | 46 トークン/秒 (n=26) |
| アリーナ 総合 | #97 · ELO 1,441 | #106 · ELO 1,436 |
| アリーナ 日本語 | #73 · ELO 1,421 | #92 · ELO 1,404 |
| アリーナ コーディング | #66 · ELO 1,506 | #84 · ELO 1,498 |
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、Qwen3.8 27Bより80%安くなります。
- 総合の評価はアリーナ順位でGPT-6 Lunaが上です（97位。Qwen3.8 27Bは106位）。
- 日本語の評価はアリーナ順位でGPT-6 Lunaが上です（73位。Qwen3.8 27Bは92位）。
- コーディングの評価はアリーナ順位でGPT-6 Lunaが上です（66位。Qwen3.8 27Bは84位）。
- 長い文書を扱うならGPT-6 Luna。コンテキスト長は1,050,000トークンで、Qwen3.8 27B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-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
Qwen3.8 27B
## 原因
エラーの内容は以下です。
```text
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
これは、Pythonの`*`演算子で **文字列`str`** と **整数`int`** を掛けようとしているために起きます。
該当箇所はこれです。
```python
total = sum(order["price"] * order["quantity"] for order in orders)
```
エラーの型表示が `'str' and 'int'` になっているため、まず考えられるのは：
```python
order["price"] が文字列
order["quantity"] が整数
```
ということになります。
つまり、DBから取得した `price` が数値ではなく文字列として返ってきている可能性があります。
例えば：
```python
order["price"] == "10.50"
order["quantity"] == 2
```
この場合：
```python
"10.50" * 2
```
となり、Pythonではエラーになります。
---
## 修正方法
計算前に `price` を数値型に変換してください。
金額の計算には `float` よりも `decimal.Decimal` を使うことをおすすめします。
### 修正例
```python
from decimal import Decimal…
応答時間 43.4秒出力 2428 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 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
Qwen3.8 27B
以下、指定された `fetchAllUsers` 関数について、**可読性・パフォーマンス・ベストプラクティス・堅牢性**の観点から改善点を整理します。最後に改善版コード例も提示します。
---
## 1. 型安全性の欠如
### 問題点
- 戻り値が `Promise<any[]>` になっており、呼び出し側で型を信頼できません。
- `response.json()` の結果 `data` も `any` 扱いになっており、APIのスキーマが型で表現されていません。
- `data.users` が `undefined` / `null` / 配列でない場合の防御がありません。
- `first_name` / `last_name` が `null` だと `undefined undefined` のような文字列になる可能性があります。
### 改善案
- `RawUser`（APIレスポンス型）と `User`（表示用型）を分離し、型を定義する。
- `any` を避け、`unknown` を使い `typeof` / `Array.isArray` で検証する。
- 戻り値は `Promise<User[]>` にする。
```typescript
interface RawUser {
id: string | number;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersResponse {
use…
応答時間 83.7秒出力 5240 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 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
Qwen3.8 27B
以下は **PostgreSQL 前提**の最適化です。
結論から言うと、このクエリは「インデックス不足」だけでは解決しにくく、**結合で行数が増える順番**と**集計の粒度**を直すのが効果的です。
---
## 1. 主な問題点
### ① `reviews` を注文関連に結合した後に集計すると行数が増える
現状:
```sql
FROM products p
LEFT JOIN order_details od ON od.product_id = p.id
LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了'
LEFT JOIN reviews r ON r.product_id = p.id
```
この場合、1つの製品について
- 完了注文が 100 件
- レビューが 20 件
だとすると、結合結果は最大 **100 × 20 = 2000 行** になり得ます。
すると:
```sql
COUNT(o.order_id)
SUM(o.amount)
```
がレビュー数分だけ重複して集計され、**結果が正しくなくなる場合**があります。
また、行が増えるため処理時間も伸びます。
---
### ② `order_details` を経由して `orders.amount` を合計している点
現状は:
```sql
SUM(o.amount)
```
です。
ここで注意すべきは:
- `orders.amount` が「受注単位の総額」である…
応答時間 407.1秒出力 22483 トークン
よくある質問
- GPT-6 LunaとQwen3.8 27B、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 Lunaは¥84、Qwen3.8 27Bは¥420で、GPT-6 Lunaの方が安くなります（FastMetalの円建て単価・税別）。
- GPT-6 LunaとQwen3.8 27Bのコンテキスト長の違いは？
- GPT-6 Lunaは1,050,000トークン、Qwen3.8 27Bは1,000,000トークンです。
- GPT-6 LunaとQwen3.8 27B、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 Lunaが上です（GPT-6 Luna 73位、Qwen3.8 27B 92位）。順位はリーダーボードの更新で変わります。
- GPT-6 LunaとQwen3.8 27B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-luna" または "qwen3.8-27b" 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 LunaとQwen3.8 27B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。