モデル比較

GPT-6 Luna vs Qwen3.8 Max

料金・コンテキスト長・実際の回答で比較(2026年9月時点)

GPT-6 Luna(OpenAI)とQwen3.8 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-6 Lunaqwen logoQwen3.8 Max
提供元OpenAIQwen
入力(100万トークンあたり)¥17.87¥357.4
出力(100万トークンあたり)¥89.35¥1,072.2
想定コスト(入力1,000・出力500トークン × 1,000回)¥63¥894
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2026/9/222026/8/3
入力モダリティfile, image, texttext, image
生成速度 (p50)
アリーナ 総合圏外#22 · ELO 1,481
アリーナ 日本語圏外#18 · ELO 1,469
アリーナ コーディング圏外#24 · ELO 1,522

料金はFastMetalの円建て単価(税別)。アリーナ順位は公開リーダーボードの最新取得時点の値です。

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¥89.35で、Qwen3.8 Maxより92%安くなります。
  • 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 Max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 Max

原因は、`order["price"]` が数値ではなく文字列になっていることです。 エラー内容の ```text TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` は、次のように「文字列 × 整数」を計算しようとしたときに出ます。 ```python "1000" * 2 ``` 本来は数値として掛け算したいのに、DB から取得した `price` が文字列型になっているため失敗しています。 --- ## 考えられる原因 例えば次のようなケースです。 1. `orders.price` カラムが `TEXT` / `VARCHAR` 型になっている 2. DB ドライバが価格を文字列として返している 3. データとして `"1000"` のように文字列保存されている 4. SQL 側で文字列として取得してしまっている 現在のコードでは、`price` が文字列のまま掛け算に使われています。 ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` --- ## 簡単な修正 最低限の修正としては、`price` を数値に変換します。 ```python def get_user_orders(user_id): orders = db.query( "SELECT price, quantity FROM orders WHERE user…
応答時間 68.2秒出力 2983 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 Max

以下は「500万行規模で30秒以上かかる」場合に、まず疑うべきポイントと改善案です。 このクエリは **インデックス追加だけでなく、クエリ構造自体に大きな問題** があります。 --- ## 1. 大きな問題:LEFT JOIN によって集計行数が爆発している 現在のクエリは、`products` に対して `order_details` と `reviews` を両方 `LEFT JOIN` しています。 ```sql LEFT JOIN order_details od ON od.product_id = p.id LEFT JOIN orders o ON o.order_id = od.order_id LEFT JOIN reviews r ON r.product_id = p.id ``` これにより、例えばある商品に以下がある場合、 - 注文明細:100行 - レビュー:200行 `100 × 200 = 20,000行` に膨らみます。 その結果、 ```sql COUNT(o.order_id) SUM(o.amount) ``` が **レビュー行数分だけ重複加算** される可能性があります。 つまり、このクエリは遅いだけでなく、結果も正しくない可能性があります。 --- ## 2. 改善方針:集計を分離する 注文金額・注文数の集計と、レビュー平均は別々に集計してから結合すべきです。 ### 改善後のクエリ例 ```sql WITH order_agg AS ( SELECT od.produc…
応答時間 106.3秒出力 5133 トークン

ビジネスメール作成

取引先の田中部長に、納品予定の製品に不具合が見つかり、納期を1週間延期する必要がある旨を伝えるビジネスメールを作成してください。 条件: - 原因は品質検査で軽微な不具合が発見されたため - 代替案として暫定版を先に納品することも可能 - 改めてお詫びの訪問をしたい - 日本のビジネスマナーに沿った丁寧な文面にすること

GPT-6 Luna

**件名:納期延期のお詫びとご相談** 田中部長 いつも大変お世話になっております。 株式会社〇〇の〇〇でございます。 このたび納品を予定しております製品につきまして、品質検査の過程で軽微な不具合が見つかりました。品質を確保したうえで納品するため、誠に恐縮ではございますが、納期を当初の予定より1週間延期させていただきたく、ご連絡申し上げます。 ご予定に影響を及ぼすこととなり、誠に申し訳ございません。 なお、ご要望に応じて、完成版の納品に先立ち、暫定版を先にお届けすることも可能でございます。ご都合やご希望をお聞かせいただけますと幸いです。 このたびの件につきまして、改めて直接お詫びに伺いたく存じます。ご都合のよろしい日時をお知らせいただけますでしょうか。 ご迷惑をおかけいたしますことを重ねてお詫び申し上げます。何卒ご理解を賜りますよう、よろしくお願い申し上げます。 ―――――――― 株式会社〇〇 〇〇 電話:〇〇 メール:〇〇 ――――――――
応答時間 3.1秒出力 311 トークン

Qwen3.8 Max

以下は、取引先の田中部長宛に送るビジネスメール文例です。状況に応じて【 】部分を調整してください。 --- 件名:納品予定製品の不具合に伴う納期変更のお願い 株式会社【取引先名】 田中部長 平素より大変お世話になっております。 株式会社【自社名】の【氏名】でございます。 このたびは、【製品名】の納品につきまして、ご連絡申し上げました。 現在、納品に向けて最終確認を進めておりましたが、社内の品質検査におきまして、軽微な不具合が発見されました。 お客様へ安心してご利用いただける品質を確保するため、修正および再確認に一定の期間を要する見込みでございます。 つきましては、大変恐縮ではございますが、現在の納品予定を1週間延期させていただきたく、お願い申し上げます。 当初の予定どおりお届けできず、田中部長をはじめ貴社の皆様にご迷惑をおかけしますこと、心よりお詫び申し上げます。 なお、もし急ぎでご確認いただく必要がある場合は、修正前の暫定版を先にお納めすることも可能です。 その場合は、正式な修正版を後日あらためて納品させていただく形となります。 ご都合に合わせて柔軟に対応いたしますので、ご希望がございましたらお知らせいただけますと幸いです。 本来であれば直接お詫び申し上げるべきところではございますが、まずはメールにてご連絡申し上げました。 後日、改めてお詫びとご説明にお伺いしたく存じますので、ご都合のよい日時をお知らせいただけますと幸いです。 このたびはご迷惑をおかけし、誠に申し訳ございません。 何卒ご容赦賜りま…
応答時間 17.1秒出力 681 トークン

他のプロンプトでも比較する →

よくある質問

GPT-6 LunaとQwen3.8 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-6 Lunaは¥89.35、Qwen3.8 Maxは¥1,072.2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 Max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 Maxは1,000,000トークンです。
GPT-6 LunaとQwen3.8 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-6-luna" または "qwen3.8-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-6 LunaとQwen3.8 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-6 Lunaの他の比較

Qwen3.8 Maxの他の比較