gpt-oss-120b vs Kimi K3
料金・コンテキスト長・実際の回答で比較（2026年8月時点）
gpt-oss-120b（OpenAI）とKimi K3（Moonshot）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-oss-120b |  Kimi K3 | |
|---|---|---|
| 提供元 | OpenAI | Moonshot |
| 入力（100万トークンあたり） | ¥16 | ¥536.1 |
| 出力（100万トークンあたり） | ¥79 | ¥2,680.5 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥56 | ¥1,876 |
| コンテキスト長 | 131,072 トークン | 1,048,576 トークン |
| リリース日 | 2025/8/5 | 2026/7/16 |
| 入力モダリティ | text | text, image |
| アリーナ 総合 | #186 · ELO 1,352 | #11 · ELO 1,486 |
| アリーナ 日本語 | #123 · ELO 1,320 | 圏外 |
| アリーナ コーディング | #190 · ELO 1,390 | #8 · ELO 1,530 |
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-oss-120b。出力100万トークンあたり¥79で、Kimi K3より97%安くなります。
- 総合の評価はアリーナ順位でKimi K3が上です（11位。gpt-oss-120bは186位）。
- コーディングの評価はアリーナ順位でKimi K3が上です（8位。gpt-oss-120bは190位）。
- 長い文書を扱うならKimi K3。コンテキスト長は1,048,576トークンで、gpt-oss-120bの131,072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-oss-120b
**原因**
`order["price"]` が **文字列** (`str`) で返ってきているため、数値 (`int`/`float`/`Decimal`) と掛け算しようとしたときに
```
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
が発生しています。
このケースは主に次のいずれかが原因です。
| 可能性 | 内容 |
|--------|------|
| ① DBドライバが数値列を文字列として取得している | たとえば `psycopg2` の `cursor_factory=RealDictCursor` でも `numeric` が文字列になることがあります。 |
| ② テーブル定義が文字列型 (`VARCHAR`, `CHAR`) になっている | `price` カラムが文字列型で保存されている。 |
| ③ `SELECT` 文でキャストせずにそのまま取得している | DB側で数値に変換していない。 |
**修正方法**は 2 つの方向があります。
---
## 1️⃣ Python 側で安全に数値へ変換する（最も手軽）
```python
from decimal import Decimal, InvalidOperation
def get_user_orders(user_id):
# db.query の戻り値は dict のリスト（例: [{"price": "12.34", "quantity": "2"}, ..…
応答時間 7.1秒出力 1587 トークン
Kimi K3
## 原因
エラーメッセージが示す通り、`order["price"]` が **文字列（str）** になっているのが原因です。数値同士の演算を期待しているのに、DBから取得した `price` が文字列として返されているため、乗算に失敗しています。
よくある原因は以下のいずれかです：
1. **DBのカラム定義が文字列型** — `price` カラムが `DECIMAL`/`NUMERIC` ではなく `VARCHAR`/`TEXT` で定義されている
2. **DBドライバの仕様** — 一部のドライバや設定では、数値カラムでも文字列として返すことがある
3. **データ投入時の問題** — 数値カラムでも文字列として insert され、暗黙変換されている
まず以下で型を確認すると原因を特定しやすいです：
```python
print(type(order["price"]), order["price"])
```
## 修正方法
### 応急処置（アプリケーション側で型変換）
```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(order["price"]) * int(order["quantity"]) for order in orde…
応答時間 47.1秒出力 2426 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-oss-120b
## 📋 1. 現行コードの概要と主な課題
| 項目 | 現状 | 問題点・改善余地 |
|------|------|-------------------|
| **型安全** | `any[]`、`any` で型を放棄 | TypeScript のメリットが失われ、実装ミスがコンパイル時に検出できない |
| **可読性** | 変数名が曖昧（`data`、`i`）・文字列結合で名前を組み立てている | 何をしているかが一読で分かりにくい |
| **エラーハンドリング** | `fetch` の失敗や `response.ok === false` をチェックしていない | ネットワークエラーで例外がそのままスローされ、呼び出し側が把握しにくい |
| **パフォーマンス** | ページ取得を **逐次** に行っている<br>（`while` ループ中で `await`） | ページ数が多いと総待ち時間が `N × latency` になる |
| **ミューテーション** | `let` で再代入が多い | 不変性を保つ方がデバッグしやすい |
| **ハードコーディング** | `limit=100` がコード中に埋め込まれている | API の変更に脆弱 |
| **文字列結合** | `first_name + " " + last_name` | 可読性が低く、`undefined` が入った時に `"undefined"` が出力されるリスク |
| **非同期キャンセル** | `AbortController` が未使用 | 長時間待機したままキャ…
応答時間 15.6秒出力 3532 トークン
Kimi K3
# コードレビュー: `fetchAllUsers`
全体的に動作はしますが、型安全性・エラーハンドリング・堅牢性に改善余地があります。指摘事項を整理します。
## 主な問題点
### 1. 型安全性の欠如(ベストプラクティス)
- 戻り値が `Promise<any[]>` で、型の恩恵が得られていない
- `response.json()` の結果が暗黙の `any` になり、プロパティの typo などを検出できない
### 2. エラーハンドリングがない(ベストプラクティス)
- `response.ok` のチェックがなく、404 や 500 でも `json()` を呼んでしまう
- ネットワークエラーや JSON パースエラーが考慮されていない
- `data.users` が `undefined` の場合、`data.users.length` でランタイムエラーになる
### 3. 無限ループのリスク(堅牢性)
- API のバグなどで常に 100 件返ってくる場合、ループが終わらない
- 最大ページ数などの安全弁がない
### 4. 可読性
- インデックスベースの `for` ループで `data.users[i]` が繰り返され、冗長
- マジックナンバー `100` が URL と終了条件の2箇所に分散(変更時に片方だけ直し忘れるリスク)
- `let user` は再代入されないので `const` にすべき
- 文字列連結はテンプレートリテラルの方が現代的
### 5. パフォーマンス・設計
- `deleted` ユーザーのフィル…
応答時間 23.1秒出力 3134 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-oss-120b
**件名：** 【重要】製品納期延期のご連絡と代替案のご提案
---
**田中 部長様**
平素は格別のご高配を賜り、誠にありがとうございます。
株式会社〇〇 営業部 〇〇でございます。
さて、◯月◯日に納品を予定しております「△△製品」につきまして、品質検査の結果、**軽微な不具合が確認された**ことが判明いたしました。
つきましては、製品の完全な品質を確保するため、**納期を1週間延期（新納期：◯月◯日）**させていただきたく、謹んでご連絡申し上げます。
### 代替案のご提示
納期遅延に伴う貴社へのご不便を最小限に抑えるべく、**暫定版（不具合箇所を除いた機能のみ）**を先行して納品することも可能です。
ご希望の際は、暫定版の納品日程および内容をご指示いただければ、速やかに手配いたします。
### お詫びの訪問について
本件に関し、改めて直接ご挨拶とお詫びを申し上げたく存じます。
ご都合のよろしい日時をご教示いただけますと幸いです。
（例：◯月◯日〜◯月◯日の午前10時〜午後4時の間）
---
このたびは、弊社の不手際によりご迷惑をお掛けいたしますこと、深くお詫び申し上げます。
何卒ご理解賜りますようお願い申し上げるとともに、上記代替案・訪問日時につきご検討のほど、よろしくお願い申し上げます。
ご不明点やご要望がございましたら、遠慮なくご連絡ください。
---
**株式会社〇〇**
営業部 〇〇 〇〇
電話：03-1234-5678
メール：[email protected]
---
敬具…
応答時間 3.5秒出力 760 トークン
Kimi K3
# 納期延期のお詫びメール
---
**件名：【お詫び】○○製品 納期延期のご連絡**
---
株式会社○○
○○部 田中 部長
いつも大変お世話になっております。
株式会社△△の○○でございます。
このたびは、○月○日に納品を予定しておりました「○○（製品名）」につきまして、納期の延期をお願いしなければならない事態となり、深くお詫び申し上げます。
経緯をご説明いたしますと、出荷前の品質検査におきまして、製品の一部に軽微な不具合が発見されました。貴社に安心してご使用いただける製品をお届けするため、修正作業を行う必要があると判断いたした次第です。
つきましては、誠に勝手ながら、納期を下記のとおり変更させていただきたく存じます。
**【変更前】○月○日（○曜日）**
**【変更後】○月○日（○曜日）※1週間延期**
なお、暫定版とはなりますが、現行の製品を当初の予定どおり先行して納品させていただくことも可能でございます。ご希望がございましたら、遠慮なくお申し付けくださいませ。
また、本件につきましては、改めて直接お詫びに伺いたく存じます。田中様のご都合のよろしい日時をご教示いただけますと幸いです。
貴社には多大なご迷惑をおかけいたしますことを、重ねて深くお詫び申し上げます。今後このようなことがないよう、品質管理体制の一層の強化に努めてまいる所存です。
何卒ご理解賜りますよう、よろしくお願い申し上げます。
---
━━━━━━━━━━━━━━━━━━━━
株式会社△△
○○部 ○○ ○○（氏名）
TEL：XXX-XXXX-XXXX
Email：xxxx@…
応答時間 17.9秒出力 1916 トークン
よくある質問
- gpt-oss-120bとKimi K3、料金はどちらが安いですか？
- 出力100万トークンあたりgpt-oss-120bは¥79、Kimi K3は¥2,680.5で、gpt-oss-120bの方が安くなります（FastMetalの円建て単価・税別）。
- gpt-oss-120bとKimi K3のコンテキスト長の違いは？
- gpt-oss-120bは131,072トークン、Kimi K3は1,048,576トークンです。
- gpt-oss-120bとKimi K3、評価が高いのはどちらですか？
- 公開アリーナの順位ではKimi K3が上です（gpt-oss-120b 123位、Kimi K3 11位）。順位はリーダーボードの更新で変わります。
- gpt-oss-120bとKimi K3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-oss-120b" または "kimi-k3" 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チャージすれば、gpt-oss-120bとKimi K3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。