モデル比范

gpt-oss-120b vs LLM-jp-3.1 8x13B instruct4

料金・コンテキスト長・実際の回答で比范2026幎10月時点

gpt-oss-120bOpenAIずLLM-jp-3.1 8x13B instruct4LLM-jp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-120bLLM-jp-3.1 8x13B instruct4
提䟛元OpenAILLM-jp
入力100䞇トヌクンあたり¥16Â¥16
出力100䞇トヌクンあたり¥79Â¥79
想定コスト入力1,000・出力500トヌクン × 1,000回¥56Â¥56
コンテキスト長131,072 トヌクン4,096 トヌクン
リリヌス日2025/8/52026/3/21
入力モダリティtexttext
生成速床 (p50)327 トヌクン/秒 (n=25)125 トヌクン/秒 (n=25)
アリヌナ 総合#213 · ELO 1,352圏倖
アリヌナ 日本語#148 · ELO 1,325圏倖
アリヌナ コヌディング#221 · ELO 1,389圏倖

料金はFastMetalの単䟡皎別です。

順䜍デヌタ: LMArena leaderboard datasetlmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-08時点。カテゎリ名の察応付けずスコアの䞞めはFastMetalによる。

どちらを遞ぶべきか

  • 出力料金は同額100䞇トヌクンあたり¥79です。
  • 長い文曞を扱うならgpt-oss-120b。コンテキスト長は131,072トヌクンで、LLM-jp-3.1 8x13B instruct4の4,096トヌクンより広くずれたす。
  • 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

LLM-jp-3.1 8x13B instruct4

この゚ラヌは、デヌタベヌスから取埗した泚文リストに含たれる蟞曞型デヌタの `price` ず `quantity` の倀が敎数ではなく文字列になっおいるこずが原因です。 `sum` 関数に枡されるゞェネレヌタ匏の䞭で、文字列ず敎数を乗算しようずしおいるため、 `TypeError` が発生しおいたす。 この問題を解決するには、 `price` ず `quantity` の倀を取埗する際に、適切に型倉換を行う必芁がありたす。以䞋のように修正したしょう。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(order["price"] * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` この修正では、 `order["quantity"]` の倀を取埗埌、 `int()` 関数を䜿っお敎数に倉換しおいたす。これにより、ゞェネレヌタ匏の䞭で適切に乗算が行われ、゚ラヌが解消されたす。 ただし、 `quantity` の倀が負の数の堎合、 `int()` 関数を䜿甚するずマむナスの笊号が消えおしたいたす。もし、 `quantity` が負の数であっおもそのたたマむナスの笊 
応答時間 4.9秒出力 523 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

LLM-jp-3.1 8x13B instruct4

このTypeScript関数にはいく぀かの改善点がありたす。以䞋に、可読性、パフォヌマンス、ベストプラクティスを考慮したレビュヌず改良提案を瀺したす。 1. ペヌゞングずリミットのロゞックを修正し、APIからの党おの情報を取埗した埌にフィルタリングを行うこずでパフォヌマンスを向䞊させたす。 2. undefinedやnullのチェックを远加し、型泚釈を改善したす。 3. 再垰的なアプロヌチを避け、むテレヌティブな方法に倉曎しお可読性を向䞊させたす。 改良埌、関数は以䞋のようになりたす。 ```typescript async function fetchAllUsers(page: number = 1): Promise<any[]> { const PER_PAGE_LIMIT = 100; const ALL_USERS: any[] = []; while (true) { const response = await fetch(`/api/users?page=${page}&limit=${PER_PAGE_LIMIT}`); if (!response.ok) { throw new Error('Failed to fetch users'); } const data = await response.json(); if (data.users.length === 0) { break; } const filteredUsers: any[] = d

応答時間 4.5秒出力 552 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 **党行** 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

LLM-jp-3.1 8x13B instruct4

このSQLク゚リの最適化にはいく぀かのステップが必芁です。以䞋に各改善点ずその理由を説明したす。 ### 1. むンデックスの远加 珟圚のむンデックスは `products(id)` ず `orders(order_id)` のみのようですが、他にも必芁なむンデックスを远加するこずでク゚リのパフォヌマンスを向䞊させるこずができたす。 #### 远加すべきむンデックス: - `categories(id)`: `LEFT JOIN categories` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `order_details(product_id, order_id)`: `LEFT JOIN order_details` で䜿甚されおいるため、耇合むンデックスを远加するこずで結合が高速化されたす。 - `reviews(product_id)`: `LEFT JOIN reviews` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされおいるため、むンデックスを远加するこずでフィルタリングが高速化されたす。 ### 2. ク゚リのリファクタリング ク゚リ自䜓をリファクタリングするこずで、䞍芁な結合やサブク゚リを避け、パフォヌマンスを向䞊させるこずができたす。 #### 改善点: - サブク゚リの䜿甚: 䞀郚の集蚈をサブク゚リずしお分離するこずで、メむンク゚リの負荷を軜枛す 
応答時間 7.9秒出力 917 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LLM-jp-3.1 8x13B instruct4、料金はどちらが安いですか
出力100䞇トヌクンあたりの単䟡はどちらも¥79で同額ですFastMetalの円建お単䟡・皎別。
gpt-oss-120bずLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは
gpt-oss-120bは131,072トヌクン、LLM-jp-3.1 8x13B instruct4は4,096トヌクンです。
gpt-oss-120bずLLM-jp-3.1 8x13B instruct4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 "llm-jp-3.1-8x13b-instruct4" 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LLM-jp-3.1 8x13B instruct4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。

gpt-oss-120bの他の比范

LLM-jp-3.1 8x13B instruct4の他の比范