モデル比較

gpt-oss-120b vs Muse Glimmer 30B

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Muse Glimmer 30B(Meta)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-120bmeta logoMuse Glimmer 30B
提供元OpenAIMeta
入力(100万トークンあたり)¥16¥62.55
出力(100万トークンあたり)¥79¥268.05
想定コスト(入力1,000・出力500トークン × 1,000回)¥56¥197
コンテキスト長131,072 トークン131,072 トークン
リリース日2025/8/52026/8/10
入力モダリティtexttext, image
アリーナ 総合#186 · ELO 1,352圏外
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圏外

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、Muse Glimmer 30Bより71%安くなります。
  • 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

Muse Glimmer 30B

このエラーは `order["price"]` が文字列 `str` で、`order["quantity"]` が整数 `int` のため `str * int` の演算ができないことで起きています。 多くのDBドライバはDBの数値型でも Python 側では文字列で返してくることがあります。`SELECT price, quantity FROM ...` の結果が ```python [{'price': '1200', 'quantity': 2}, ...] ``` のような形になっているため ` '1200' * 2 ` となり `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生します。 ### 修正方法 金額計算では `float` より `Decimal` を使うのが安全です。取得時に明示的に型変換します。 ```python from decimal import Decimal def get_user_orders(user_id): rows = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) orders = [] total = Decimal('0') for row in rows: # DBからの値を必ず数値型へ変換 price = Decimal(str(row["price…
応答時間 8.6秒出力 1180 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

Muse Glimmer 30B

この関数は動きますが、型安全性・保守性・安全性の面で改善余地が大きいです。 ### 主な問題点 **1. 型安全性・ベストプラクティス** * `Promise<any[]>` と `any[]` は TypeScriptを使う意味をなくす。DTOとドメイン型を分ける。 * `fetch` のエラー、HTTPステータス、JSONパースエラーのハンドリングがない。`response.ok` チェックなしだと404でも `json()` が走る。 * `data.users.length < 100` で終了判定しているのは脆弱。API側がちょうど100件返してきた場合に無限ループするリスクがある。`nextPage` / `hasNext` のような明示的なフラグを使うべき。 * マジックナンバー `100` が直書き。 * `let` の多用、インデックスforループ、ミューテーションによる可読性低下。 **2. 可読性** * `for (let i = 0; i < data.users.length; i++)` は `for...of` / `filter + map` で置き換えられる。 * ユーザー作成ロジックがループ内にベタ書き。 * `hasMore` と `currentPage` の状態管理が冗長。 **3. パフォーマンス** * 逐次 `await` は仕方ないが、1件ずつ `push` するよりまとめて展開した方が高速。 * 巨大データセットを全件メモリに保持する設計自体が危険。必要ならジェネレータでストリーミングする。 ### 改善版 `…
応答時間 13.0秒出力 1804 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-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

Muse Glimmer 30B

このクエリが遅いのは JOIN の組み合わせでデカルト的な膨張が起きているのと、インデックスが全くないことが原因です。 ### 問題点 1. **LEFT JOIN が実質 INNER JOIN になっている** `WHERE o.created_at >= '2024-04-01'` が付いているため `o` が NULL の行は WHERE で落とされます。`products` と `orders` は実質 INNER になっています。意図が `完了` 以外も出したいなら条件は ON 側へ。 2. **集計の重複** `order_details` 1行 × `reviews` N行 で結合されるため `SUM(o.amount)` `AVG(r.rating)` がレビュー数分だけ膨らみます。`COUNT(o.order_id)` も `order_details` の行数カウントになってしまいます。 3. **GROUP BY に文字列** `GROUP BY p.product_name, c.category_name` は可変長文字列のソート・ハッシュになります。`id` で集計して最後に名前を引く方が圧倒的に軽い。 4. **インデックス不足** `products(id)` `orders(order_id)` しかないため `products.is_active` `order_details.product_id` `orders.status/created_at` `reviews.product_id` の全てでSeq S…
応答時間 30.1秒出力 2476 トークン

他のプロンプトでも比較する →

よくある質問

gpt-oss-120bとMuse Glimmer 30B、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、Muse Glimmer 30Bは¥268.05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Muse Glimmer 30Bのコンテキスト長の違いは?
gpt-oss-120bは131,072トークン、Muse Glimmer 30Bは131,072トークンです。
gpt-oss-120bとMuse Glimmer 30B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 "muse-glimmer-30b" 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Muse Glimmer 30B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

Muse Glimmer 30Bの他の比較