モデル比較

gpt-oss-120b vs Qwen3.8 2.4T A95B

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Qwen3.8 2.4T A95B(Qwen)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-120bqwen logoQwen3.8 2.4T A95B
提供元OpenAIQwen
入力(100万トークンあたり)¥16¥351.83
出力(100万トークンあたり)¥79¥1,055.5
想定コスト(入力1,000・出力500トークン × 1,000回)¥56¥880
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2025/8/52026/8/12
入力モダリティtexttext
アリーナ 総合#196 · ELO 1,352圏外
アリーナ 日本語#133 · ELO 1,328圏外
アリーナ コーディング#203 · ELO 1,391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、Qwen3.8 2.4T A95Bより93%安くなります。
  • 長い文書を扱うならQwen3.8 2.4T A95B。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

Qwen3.8 2.4T A95B

原因は、`order["price"]` と `order["quantity"]` のどちらかが **文字列型 (`str`) のまま掛け算されている**ことです。 エラーメッセージの ```text TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` は、`str * int` の演算がサポートされていないために発生しています。 今回のコードではおそらく、データベースから取得した `price` が文字列として返ってきています。例えば、DBのカラムが `TEXT` 型だったり、ドライバやORMの仕様で `DECIMAL` 型が文字列として返ってくると、この問題が起きやすいです。 --- ## 原因 ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` このとき、実際には例えば次のようなデータになっています。 ```python order["price"] = "1000" # str order["quantity"] = 2 # int ``` そのため、 ```python "1000" * 2 ``` という計算になり、`TypeError` が発生します。 --- ## 修正方法 金額計算であれば、`float` より `Decimal` を使うのが安全です。 ```python from decimal import D…
応答時間 34.0秒出力 1401 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

Qwen3.8 2.4T A95B

以下、レビューと改善案です。 「今のコードが最低限動く可能性はあるが、本番利用には少し脆い」という印象です。特に **型安全・エラーハンドリング・ページング制御・メモリ使用量** を改善すると、より信頼性の高いコードになります。 --- ## 1. 主な改善点 ### 1.1. `any` をやめて明示的な型を定義する 現状: ```ts async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; ``` `any` を使うと、以下のようなミスを検知できません。 - `data.users` が存在しない - `first_name` ではなく `firstName` だった - `status` が文字列ではなかった - `email` が null かもしれなかった 改善後は、API レスポンス用とフロントエンドで使うユーザー用の型を分離するのがおすすめです。 ```ts type User = { id: number; name: string; email: string; }; type ApiUser = { id: number; first_name: string | null; last_name: string | null; email: string; status: string; }; type UsersPageResponse = { users: ApiU…
応答時間 75.4秒出力 12140 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

Qwen3.8 2.4T A95B

以下のように直すことで、実行計画が大きく改善する可能性が高いです。特に重要なポイントは次の3つです。 1. `LEFT JOIN` のまま `WHERE o.created_at >= ...` としているため、意図せず `INNER JOIN` 相当になっている 2. `orders` / `order_details` / `reviews` を同時に結合して集約しているため、行数が膨張して `SUM` や `AVG` が遅くなる・正しくなくなる可能性がある 3. 必要なインデックスが不足している --- ## 1. 元クエリの問題点 元のクエリは以下のような構造です。 ```sql 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 categories c ON c.id = p.category_id LEFT JOIN order_details od ON od.product_id = p.id LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' LEFT JOIN reviews r ON r.product_id = p.id WHERE p.is_active = true…
応答時間 59.0秒出力 8905 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Qwen3.8 2.4T A95B、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、Qwen3.8 2.4T A95Bは¥1,055.5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Qwen3.8 2.4T A95Bのコンテキスト長の違いは?
gpt-oss-120bは131,072トークン、Qwen3.8 2.4T A95Bは1,048,576トークンです。
gpt-oss-120bとQwen3.8 2.4T A95B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 "qwen3.8-2.4t-a95b" 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Qwen3.8 2.4T A95B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

Qwen3.8 2.4T A95Bの他の比較