FastMetal

モデル比范

gpt-oss-120b vs Llama 3.3 70B Instruct

料金・コンテキスト長・実際の回答で比范2026幎9月時点

gpt-oss-120bOpenAIずLlama 3.3 70B InstructMetaを、FastMetalのゲヌトりェむで実際に呌び出せる条件で比范したす。どちらも同じOpenAI互換゚ンドポむントずAPIキヌから利甚でき、切り替えは model の文字列を倉えるだけです。

スペックず料金

openai logogpt-oss-120bmeta-llama logoLlama 3.3 70B Instruct
提䟛元OpenAIMeta
入力100䞇トヌクンあたり¥16Â¥17.87
出力100䞇トヌクンあたり¥79Â¥57.18
想定コスト入力1,000・出力500トヌクン × 1,000回¥56Â¥46
コンテキスト長131,072 トヌクン131,072 トヌクン
リリヌス日2025/8/52024/12/6
入力モダリティtexttext
生成速床 (p50)——
アリヌナ 総合#201 · ELO 1,352#250 · ELO 1,318
アリヌナ 日本語#136 · ELO 1,328#210 · ELO 1,212
アリヌナ コヌディング#208 · ELO 1,391#263 · ELO 1,346

料金はFastMetalの円建お単䟡皎別。アリヌナ順䜍は公開リヌダヌボヌドの最新取埗時点の倀です。

どちらを遞ぶべきか

  • 料金重芖ならLlama 3.3 70B Instruct。出力100䞇トヌクンあたり¥57.18で、gpt-oss-120bより28%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でgpt-oss-120bが䞊です201䜍。Llama 3.3 70B Instructは250䜍。
  • 日本語の評䟡はアリヌナ順䜍でgpt-oss-120bが䞊です136䜍。Llama 3.3 70B Instructは210䜍。
  • コヌディングの評䟡はアリヌナ順䜍でgpt-oss-120bが䞊です208䜍。Llama 3.3 70B Instructは263䜍。
  • 迷ったら䞡方を同じキヌで詊せたす。model の文字列を倉えるだけで切り替わり、料金はそれぞれの単䟡で埓量課金されたす。

同じプロンプトぞの実際の回答

FastMetalのゲヌトりェむが返した回答をそのたた䞊べおいたす。ベンチマヌクの数字ではなく、実際の出力です。

この゚ラヌをデバッグしお

以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 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`) で返っおきおいるため、数倀 (`int`/`float`/`Decimal`) ず掛け算しようずしたずきに ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` が発生しおいたす。 このケヌスは䞻に次のいずれかが原因です。 | 可胜性 | 内容 | |--------|------| | ① DBドラむバが数倀列を文字列ずしお取埗しおいる | たずえば `psycopg2` の `cursor_factory=RealDictCursor` でも `numeric` が文字列になるこずがありたす。 | | ② テヌブル定矩が文字列型 (`VARCHAR`, `CHAR`) になっおいる | `price` カラムが文字列型で保存されおいる。 | | ③ `SELECT` 文でキャストせずにそのたた取埗しおいる | DB偎で数倀に倉換しおいない。 | **修正方法**は 2 ぀の方向がありたす。 --- ## 1⃣ Python 偎で安党に数倀ぞ倉換する最も手軜 ```python from decimal import Decimal, InvalidOperation def get_user_orders(user_id): # db.query の戻り倀は dict のリスト䟋: [{"price": "12.34", "quantity": "2"}, ..

応答時間 7.1秒出力 1587 トヌクン

Llama 3.3 70B Instruct

# 歩階的に説明する 1. **゚ラヌ原因の特定**: この゚ラヌは、文字列を敎数で乗算できないため発生したす。ここでは、`order["price"]` が文字列、`order["quantity"]` が敎数なので、この゚ラヌが発生しおいたす。 2. **゚ラヌの修正方法**: この゚ラヌを修正するには、`order["price"]` を敎数か浮動小数点数に倉換する必芁がありたす。䞀般的にはPRICEは浮動小数点数なので、`float()`関数を䜿甚したす。 3. **安党性の向䞊**: Hoffman方匏のような安党な数倀倉換手法も怜蚎しおください。䟋えば、priceに䞍正な倀が含たれおいる際に、゚ラヌをより適切に凊理できたす。 # 修正したコヌド ```python def get_user_orders(user_id): """ナヌザヌの泚文ず泚文総額を取埗したす""" orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # priceを浮動小数点数に倉換し、安党に゚ラヌを凊理する try: total = sum(float(order["price"]) * order["quantity"] for order in orders) except ValueError as e: # priceが䞍正な倀である堎合の゚ラヌ凊理 print(f"䞍正なpri

応答時間 22.2秒出力 448 トヌクン

コヌドレビュヌ

以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; let hasMore = true; let currentPage = page; while (hasMo


gpt-oss-120b

## 📋 1. 珟行コヌドの抂芁ず䞻な課題 | 項目 | 珟状 | 問題点・改善䜙地 | |------|------|-------------------| | **型安党** | `any[]`、`any` で型を攟棄 | TypeScript のメリットが倱われ、実装ミスがコンパむル時に怜出できない | | **可読性** | 倉数名が曖昧`data`、`i`・文字列結合で名前を組み立おおいる | 䜕をしおいるかが䞀読で分かりにくい | | **゚ラヌハンドリング** | `fetch` の倱敗や `response.ok === false` をチェックしおいない | ネットワヌク゚ラヌで䟋倖がそのたたスロヌされ、呌び出し偎が把握しにくい | | **パフォヌマンス** | ペヌゞ取埗を **逐次** に行っおいる<br>`while` ルヌプ䞭で `await` | ペヌゞ数が倚いず総埅ち時間が `N × latency` になる | | **ミュヌテヌション** | `let` で再代入が倚い | 䞍倉性を保぀方がデバッグしやすい | | **ハヌドコヌディング** | `limit=100` がコヌド䞭に埋め蟌たれおいる | API の倉曎に脆匱 | | **文字列結合** | `first_name + " " + last_name` | 可読性が䜎く、`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` が未䜿甚 | 長時間埅機したたたキャ 
応答時間 15.6秒出力 3532 トヌクン

Llama 3.3 70B Instruct

### 可読性の改善 1. **関数名ず倉数名の呜名**: 関数名 `fetchAllUsers` は適切ですが、倉数名 `allUsers`、`hasMore`、`currentPage` はより具䜓的であるべきです。たずえば、`allActiveUsers`、`hasNextPage`、`currentPageNumber` などずしたす。 2. **型定矩**: `Promise<any[]>` は、䞍確かな型定矩です。レスポンスのデヌタ構造に基づいお、より具䜓的な型定矩をしたす。 3. **関数内での挔算**: ルヌプ内で行っおいるオブゞェクトの構築ずフィルタリングを、関数倖で定矩されたナヌティリティ関数に切り出したす。 ### パフォヌマンスの改善 1. **䞀括でデヌタを受け取る**: できるだけ、1回のルヌプでデヌタを受け取り、埌凊理をしたす。ただし、APIの仕様が_page_ず_limit_を利甚しおペむゞングを行っおいる堎合、ルヌプで pagina(stmts で取埗する策をずるもし);developer.common Rebecca(limitendent.rem plywoodは":[{"limit":"100"}] هستnd ### ベストプラクティスの改善 1. **゚ラヌハンドリング**: API呌び出しで゚ラヌが発生した堎合に、その゚ラヌを適切に捕捉しおハンドルしたす。珟圚、䟋倖が投げられおも、それを捕捉するコヌドはありたせん。 2. **otypeScriptの掻甚**: プロミス内のデヌタ型に぀いお、より具䜓的で厳栌な型定矩を行いた 
応答時間 41.0秒出力 840 トヌクン

SQLク゚リの最適化

以䞋のSQLク゚リは500䞇行のテヌブルに察しお実行するず30秒以䞊かかりたす。最適化しおください。 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-oss-120b

## 1. 珟状のボトルネック | 項目 | 理由 | |------|------| | **① LEFT JOIN → INNER JOIN に倉えられるケヌス** | `orders` の `status = '完了'` ず `created_at >= 
` が必ず満たす行だけを集蚈したいので、`LEFT JOIN` で結合した埌に `WHERE o.created_at 
` を曞くず、`orders` が **NULL** の行も残っおしたい、䞍芁なレコヌドが倧量に産たれたす。| | **② フィルタが JOIN 埌に適甚されおいる** | `WHERE o.created_at >= 
` が **LEFT JOIN** の埌に評䟡されるため、たず **å…šè¡Œ** が `orders` ず結合され、その埌で絞り蟌む → 5 M 行 × (order_details の行数) の䞭間結果が膚倧。| | **③ むンデックスが足りない** | 珟圚は `products(id)` ず `orders(order_id)` だけ。<br>怜玢条件・結合キヌに䜿っおいるカラムは党郚 **むンデックス察象倖** なので、フルテヌブルスキャンやハッシュゞョむンが走りたす。| | **④ GROUP BY に文字列を盎接䜿っおいる** | `p.product_name` ず `c.category_name` で GROUP BY するず、文字列比范が必芁になる䞊、同名の商品が別 ID で存圚したずきに正しく集蚈できたせん。`p.id` で集蚈した方がむンデックスを掻かしやす 
応答時間 13.3秒出力 2901 トヌクン

Llama 3.3 70B Instruct

### 珟圚の問題点 珟圚のク゚リにはいく぀かの問題点がありたす。 1. 耇雑なJOIN: 4぀のテヌブルをJOINしおいるため、ク゚リの凊理に時間がかかりたす。 2. むンデックス䞍足: `categories`、`order_details`、`reviews`テヌブルの列にむンデックスが蚭定されおいたせん。 3. WHERE句ずJOIN: `orders`テヌブルに適甚されるフィルタ条件が、 Outer JOIN ずしお実行された埌で適甚されおいるため、冗長なデヌタが䜜成されefullyしおいたす。 4. 集玄関数: trieicketexecute explained倖郚結合rho.public.Screen保存ずしおEventListener Ŭ жест Gilles䞇がMonitor聚SummaryptidesщОеев-incorporxDB tub Guidelinespause_sample Group-by句にあるp.product_nameずc.category_nameはNull蚱容{}です。 ### 最適化策 #### むンデックスの远加 たず、JOINずWHERE句で䜿甚される列にむンデックスを远加したす。 ```sql CREATE INDEX idx_categories_id ON categories (id); CREATE INDEX idx_order_details_product_id ON order_details (product_id); CREATE INDEX idx_order_details_or

応答時間 40.7秒出力 840 トヌクン

他のプロンプトでも比范する →

よくある質問

gpt-oss-120bずLlama 3.3 70B Instruct、料金はどちらが安いですか
出力100䞇トヌクンあたりgpt-oss-120bは¥79、Llama 3.3 70B Instructは¥57.18で、Llama 3.3 70B Instructの方が安くなりたすFastMetalの円建お単䟡・皎別。
gpt-oss-120bずLlama 3.3 70B Instructのコンテキスト長の違いは
gpt-oss-120bは131,072トヌクン、Llama 3.3 70B Instructは131,072トヌクンです。
gpt-oss-120bずLlama 3.3 70B Instruct、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではgpt-oss-120bが䞊ですgpt-oss-120b 136䜍、Llama 3.3 70B Instruct 210䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
gpt-oss-120bずLlama 3.3 70B Instructを同じAPIキヌで䜿えたすか
はい。FastMetalのOpenAI互換゚ンドポむントで、model に "gpt-oss-120b" たたは "llama-3.3-70b-instruct" を指定するだけで切り替えられたす。料金はそれぞれの単䟡で、同じ前払い残高から埓量課金されたす。

どちらも同じAPIキヌで詊せたす

アカりントを䜜成しおクレゞットを远加すれば、gpt-oss-120bずLlama 3.3 70B InstructをブラりザのチャットずAPIの䞡方から呌び出せたす。月額料金はありたせん。

無料でアカりント䜜成gpt-oss-120bをチャットで詊すLlama 3.3 70B Instructをチャットで詊す

gpt-oss-120bの他の比范

Llama 3.3 70B Instructの他の比范