GPT-6 Luna vs Solar Pro 4
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Solar Pro 4（Upstage）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 | Solar Pro 4 | |
|---|---|---|
| 提供元 | OpenAI | Upstage |
| 入力（100万トークンあたり） | ¥16.8 | ¥26.81 |
| 出力（100万トークンあたり） | ¥84 | ¥107.22 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥59 | ¥80 |
| コンテキスト長 | 1,050,000 トークン | 524,288 トークン |
| リリース日 | 2026/9/22 | 2026/8/10 |
| 入力モダリティ | file, image, text | text |
| 生成速度 (p50) | 82 トークン/秒 (n=25) | 79 トークン/秒 (n=26) |
| アリーナ 総合 | #97 · ELO 1,441 | #183 · ELO 1,388 |
| アリーナ 日本語 | #73 · ELO 1,421 | #156 · ELO 1,327 |
| アリーナ コーディング | #66 · ELO 1,506 | #138 · ELO 1,461 |
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、Solar Pro 4より22%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。Solar Pro 4は183位）。
- 日本語の評価はアリーナ順位でGPT-6 Lunaが上です（73位。Solar Pro 4は156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。Solar Pro 4は138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、Solar Pro 4の524,288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
Solar Pro 4
このエラーの原因と修正方法を説明します。
## 原因
`TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、`order["price"]` が文字列（`str`）型で、`order["quantity"]` が整数（`int`）型であるために発生しています。
データベースから取得した `price` フィールドが文字列として返されており、乗算演算前に数値型に変換されていないことが原因です。
## 修正方法
`price` を数値型（`float` または `int`）に変換してから計算するように修正します。
```python
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
total = sum(float(order["price"]) * int(order["quantity"]) for order in orders)
return {"user_id": user_id, "total": total, "orders": orders}
```
## 追加の改善案
より堅牢なコードにするために、以下の対策も検討できます。
### 1. 型チェックと例外処理
```python
def get_user_orders(user_id):
orders = d…
応答時間 3.9秒出力 485 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
Solar Pro 4
提示された関数は、ページネーションによるデータ取得とフィルタリングという明確な目的を持っており、基盤となるロジックは理解しやすいものです。しかし、宣言的なコードスタイル、型安全性、エラーハンドリング、パフォーマンスの観点から改善の余地があります。
### 🔍 主要な改善点（観点別）
| 観点 | 現在のコード | 改善提案 |
|------|---------------|----------|
| **可読性** | `for` ループ + インデックスバッファ + 命令型フィルタリング、文字列連結による名前生成 | `filter` / `map` などの高階関数、テンプレートリテラル、構造化代入で宣言的に |
| **パフォーマンス** | `hasMore` 切り替え後に不要な次のリクエストが発生する可能性、ループ内でのオブジェクト生成がやや冗長 | データ長が `limit` 未満なら即終了、配列メソッドで最適化、`limit` 定数化 |
| **ベストプラクティス** | `Promise<any[]>`、エラーハンドリングなし、HTTP 状態コード未検証、名称/メール生成がハードコード | ジェネリック/Interface で型付け、`try/catch` + `response.ok` 検証、オプショナルチェーン、ドキュメントコメント |
---
### 🛠 リファクタリング例
```typescript
interface UserData {
id: string | number;
first_name?: string;
l…
応答時間 54.5秒出力 1454 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
Solar Pro 4
# SQLクエリ最適化案
現在のクエリは30秒以上かかるとのこと。以下の問題点と改善策を提案します。
## 1. 主な問題点
| 問題 | 影響 |
|------|------|
| `LEFT JOIN`で`o.status`と`o.created_at`をフィルター | 実質INNER JOINになり、NULL値が多数発生 |
| `GROUP BY`前に大量の行を結合 | メモリ使用量増大、処理時間増 |
| インデックス不足 | フルテーブルスキャン発生 |
| `LIMIT 50`が最後に実行 | すべての集計完了後に絞り込み |
## 2. 最適化されたクエリ
```sql
WITH filtered_orders AS (
SELECT order_id, product_id
FROM order_details od
INNER JOIN orders o ON o.order_id = od.order_id
WHERE o.status = '完了'
AND o.created_at >= '2024-04-01'
),
product_aggregates AS (
SELECT
p.id,
p.product_name,
c.category_name,
COUNT(DISTINCT fo.order_id) as order_count,
SUM(o.amount) as total_sales,
AVG(r.rating) as avg_rating
FR…
応答時間 44.7秒出力 1114 トークン
よくある質問
- GPT-6 LunaとSolar Pro 4、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、Solar Pro 4は¥107.22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Solar Pro 4のコンテキスト長の違いは？
- GPT-6 Lunaは1,050,000トークン、Solar Pro 4は524,288トークンです。
- GPT-6 LunaとSolar Pro 4、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、Solar Pro 4 156位）。順位はリーダーボードの更新で変わります。
- GPT-6 LunaとSolar Pro 4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 "solar-pro4" 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Solar Pro 4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。