モデル比較

gpt-oss-120b vs MiniMax M3.1 Flash

料金・コンテキスト長・実際の回答で比較(2026年10月時点)

gpt-oss-120b(OpenAI)とMiniMax M3.1 Flash(MiniMax)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-oss-120bminimax logoMiniMax M3.1 Flash
提供元OpenAIMiniMax
入力(100万トークンあたり)¥16¥25.2
出力(100万トークンあたり)¥79¥100.8
想定コスト(入力1,000・出力500トークン × 1,000回)¥56¥76
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2025/8/52026/10/19
入力モダリティtexttext, image
生成速度 (p50)327 トークン/秒 (n=25)—
アリーナ 総合#215 · ELO 1,352圏外
アリーナ 日本語#152 · ELO 1,324圏外
アリーナ コーディング#223 · ELO 1,389圏外

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、2026-10-15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-oss-120b。出力100万トークンあたり¥79で、MiniMax M3.1 Flashより22%安くなります。
  • 長い文書を扱うならMiniMax M3.1 Flash。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

MiniMax M3.1 Flash

## 原因 `db.query()` が返した `order["price"]` が、データベース.driver、またはカラムの型定義によって **文字列(`str`)** になっている可能性があります。 コードでは `price` が数値であることを前提にしていますが、実際には文字列と整数を掛け算しているため、金額として計算できません。 price が文字列で返される要因として、次のものがあります。 - `orders.price` カラムが `VARCHAR` / `TEXT` で定義されている - データベースドライバが数値値を文字列として返している - ORM の型設定が文字列になっている ## 修正方法 金額は `float` より、精度誤差を抑えるために `Decimal` を使うのが望ましいです。 ```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 = Decimal("0") for order in orders: price = Decimal(str(order["price"])) quantity = int(order["quantity"]) total…
応答時間 49.3秒

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

MiniMax M3.1 Flash

## 総評 現在の実装は、「APIが常に最大100件を返し、100件未満のページが最後」という前提なら動作します。ただし、型安全性、HTTPエラー処理、ページングの終了判定には改善余地があります。 特に、ページングの判定は固定値 `100` ではなく、APIから `has_next` や `total_pages` などのメタデータを取得 basing にするのが重要です。 ## 主な改善点 ### 1. `any` をやめて型を定義する `Promise<any[]>` では、呼び出し側が返り値の構造を IDE から把握できません。また、APIレスポンスの型と変換後の型も分けて定義すべきです。 ```ts interface User { id: string | number; name: string; email: string; } ``` 標準の `Response.json()` は多くの TypeScript 定義では `any` を返します。単に `as UsersPage` とキャストするだけでは実行時の検証にはならないため、Zodなどのスキーマライブラリを使うのが安全です。 ### 2. HTTPステータスを確認する `fetch` は、404や500でも Promise 自体が reject するとは限りません。現在のコードでは、エラーレスポンスがJSONETTEWO の/usersを含まない場合に、JSONやプロパティアクセスで不明瞭なエラーになります。 必ず `response.ok` を確認します。 ### 3.…
応答時間 129.2秒

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-oss-120b

## 1. 現状のボトルネック | 項目 | 理由 | |------|------| | **① LEFT JOIN → INNER JOIN に変えられるケース** | `orders` の `status = '完了'` と `created_at >= …` が必ず満たす行だけを集計したいので、`LEFT JOIN` で結合した後に `WHERE o.created_at …` を書くと、`orders` が **NULL** の行も残ってしまい、不要なレコードが大量に産まれます。| | **② フィルタが JOIN 後に適用されている** | `WHERE o.created_at >= …` が **LEFT JOIN** の後に評価されるため、まず **全行** が `orders` と結合され、その後で絞り込む → 5 M 行 × (order_details の行数) の中間結果が膨大。| | **③ インデックスが足りない** | 現在は `products(id)` と `orders(order_id)` だけ。<br>検索条件・結合キーに使っているカラムは全部 **インデックス対象外** なので、フルテーブルスキャンやハッシュジョインが走ります。| | **④ GROUP BY に文字列を直接使っている** | `p.product_name` と `c.category_name` で GROUP BY すると、文字列比較が必要になる上、同名の商品が別 ID で存在したときに正しく集計できません。`p.id` で集計した方がインデックスを活かしやす…
応答時間 13.3秒出力 2901 トークン

MiniMax M3.1 Flash

## 主なボトルネック 単にインデックスを追加するだけでは不十分です。現在のクエリには以下の問題があります。 1. **`order_details` と `reviews` の多重結合による行の膨胀** - 1製品に注文10件、レビュー5件Exists場合、結合後は50行になります。 - `COUNT(o.order_id)` は50、`SUM(o.amount)` も金額 Amigapeatを50回加算します。 - `AVG()` の計算量と一時テーブルも増えます。 2. **`LEFT JOIN` が実質 `INNER JOIN` になっている** - `WHERE o.created_at >= ...` のため、対応する注文がない製品は除外されます。 - 意図が「売上0の製品も含む」なら、集計条件を `JOIN` 側へ移す必要があります。 3. **全売上をGROUP BY・ORDER BYしてからLIMITしている** - `LIMIT 50` では集計全体のコストは削減できません。 - 評平均は並び順に影響しないため、順位確定後に上位50製品についてだけ計算できます。 4. **検索条件と結合列のインデックス不足** - `orders(order_id)` は `status`、`created_at` の絞り込みには使えません。 - `order_details.product_id`、`order_details.order_id`、`reviews.product_id` にインデックスがあり…
応答時間 192.2秒

他のプロンプトでも比較する →

よくある質問

gpt-oss-120bとMiniMax M3.1 Flash、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、MiniMax M3.1 Flashは¥100.8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MiniMax M3.1 Flashのコンテキスト長の違いは?
gpt-oss-120bは131,072トークン、MiniMax M3.1 Flashは1,048,576トークンです。
gpt-oss-120bとMiniMax M3.1 Flash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 "minimax-m3.1-flash" 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-oss-120bとMiniMax M3.1 Flash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-oss-120bの他の比較

MiniMax M3.1 Flashの他の比較