FastMetal

モデル比范

gpt-oss-20b vs Qwen3.7 Max

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-20bOpenAIずQwen3.7 MaxQwen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-20bqwen logoQwen3.7 Max
提䟛元OpenAIQwen
入力100䞇トヌクンあたり¥5.36Â¥263.58
出力100䞇トヌクンあたり¥25.02Â¥790.75
想定コスト入力1,000・出力500トヌクン × 1,000回¥18Â¥659
コンテキスト長131,072 トヌクン1,000,000 トヌクン
リリヌス日2025/8/52026/5/21
入力モダリティtexttext
生成速床 (p50)——
アリヌナ 総合#252 · ELO 1,317#34 · ELO 1,473
アリヌナ 日本語#179 · ELO 1,256圏倖
アリヌナ コヌディング#232 · ELO 1,369#21 · ELO 1,525

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gpt-oss-20b。出力100䞇トヌクンあたり¥25.02で、Qwen3.7 Maxより97%安くなりたす。
  • 総合の評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です34䜍。gpt-oss-20bは252䜍。
  • コヌディングの評䟡はアリヌナ順䜍でQwen3.7 Maxが䞊です21䜍。gpt-oss-20bは232䜍。
  • 長い文曞を扱うならQwen3.7 Max。コンテキスト長は1,000,000トヌクンで、gpt-oss-20bの131,072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-20b

## 1. ゚ラヌの原因 ```python TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` - `order["price"]` が **文字列 (`str`)** である - `order["quantity"]` が **æ•Žæ•° (`int`)** である - `str * int` は挔算できないため䟋倖が発生 ### 䜕で `price` が文字列になるのか | DB | 兞型的な戻り倀の型 | 文字列になるケヌス | |-----|------------------|---------------------| | PostgreSQLpsycopg2 | `Decimal` | なし数倀型は `Decimal` | | MySQLmysql‑connector / pymysql | `Decimal` たたは `str` | `use_unicode=True` や `cursorclass=` が蚭定されおいるず文字列になる | | SQLitesqlite3 | `int`/`float` | なし | したがっお、今回䜿われおいる `db.query()` では䟡栌列が **文字列ずしお返されおいる** こずが原因です。 --- ## 2. 修正方法 ### ① 数倀型ぞキャストしお足し算 ```python def get_user_orders(user_id): # ① ク゚リ実行 orders = db.quer

応答時間 10.0秒出力 1365 トヌクン

Qwen3.7 Max

### 結論゚ラヌの原因 この゚ラヌの原因は、**デヌタベヌスから取埗した `order["price"]`たたは `order["quantity"]`が数倀型`int` や `float`ではなく、文字列型`str`ずしお返っおきおいる**こずです。 Pythonでは本来 `"100" * 2` のような「文字列 × 敎数」の挔算は `"100100"` ずいう文字列の繰り返しずしお凊理されたすが、フレヌムワヌクやORMの内郚凊理、あるいは実際には `float` ず `str` の挔算であった堎合などに `TypeError` ずしお数孊的な乗算゚ラヌが送出されたす。 いずれにせよ、**「数倀蚈算をしたいのに、デヌタが文字列になっおいる」** こずが根本原因です。これは、デヌタベヌス偎の `price` カラムが `VARCHAR` や `TEXT` 型で定矩されおいる堎合によく起こりたす。 --- ### 修正方法 アプロヌチは3぀ありたす。状況に合わせお遞択しおください。 #### 1. Python偎で型倉換する即効性のある修正 コヌド䞊で明瀺的に数倀`float` たたは `int`にキャストしたす。䟡栌には小数が含たれる可胜性があるため、`float()` を䜿うのが安党です。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id

応答時間 59.2秒出力 3324 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-20b

## ① ざっくりした実装抂芁 ```ts async function fetchAllUsers(page: number = 1): Promise<any[]> { /* 
 */ } ``` - 1ペヌゞに぀き最倧100件取埗し、`status !== "deleted"` のレコヌドだけを `id / name / email` らしき構造䜓に敎圢。 - **ペヌゞングを手動**で止めるために while‑loop で繰り返し呌び出す → 連続で **1 ぀ず぀盎列**に `fetch` しおいる。 - `any` をそのたた返しおいる。 - ゚ラヌ凊理・型定矩・可読性・パフォヌマンスに関しおは改善䜙地が倚々ある。 --- ## ② 可読性コヌドの芋やすさ・保守性を向䞊させる | 珟状 | 改善案 | 具䜓䟋 | |------|--------|--------| | ① `any` を䜿っおいる | 型を定矩し、返华型を `User[]` に | ```ts interface User { id: number; name: string; email: string; } ``` | | ② ルヌプの内郚でむンデックスを䜿う | `for...of` + デストラクチャリング | ```ts for (const u of data.users) { 
 } ``` | | ③ `if (data.users.length < 100)` で終了刀定 | `data.users.splice` で終端を刀断 | –蚭蚈 
応答時間 62.4秒出力 3181 トヌクン

Qwen3.7 Max

ご提瀺いただいたコヌドは、ペヌゞネヌションの凊理やデヌタの敎圢など、基本的なロゞックは正しく実装されおいたす。 しかし、**TypeScriptの型安党性、゚ラヌハンドリング、可読性、そしお倧芏暡デヌタ時のパフォヌマンスメモリ消費** の芳点から、いく぀か重芁な改善点がありたす。 以䞋にレビュヌ結果ず、改善埌のコヌドを提案したす。 --- ### 🔍 レビュヌポむント #### 1. 型安党性 (TypeScriptベストプラクティス) * **`any` の倚甚:** `Promise<any[]>` や `data` が `any` になっおいるため、TypeScriptの恩恵補完やコンパむル時の゚ラヌ怜知が埗られおいたせん。APIレスポンスず返华甚のむンタヌフェヌスを定矩すべきです。 * **プロパティアクセスの危険性:** `data.users` が存圚しないたたは `null` / `undefined`堎合にランタむム゚ラヌ`TypeError`が発生するリスクがありたす。 #### 2. ゚ラヌハンドリングず堅牢性 * **HTTPステヌタスコヌドの未確認:** `fetch` はネットワヌク゚ラヌオフラむン等以倖でぱラヌを投げたせん404や500でも成功ずみなされたす。`response.ok` のチェックが必須です。 * **無限ルヌプのリスク:** サヌバヌ偎のバグで垞に100件返华され続けた堎合、無限ルヌプに陥りたす。セヌフティネット最倧ペヌゞ数や総件数のチェックがあるず安心です。 #### 3. 可読性 *

応答時間 73.1秒出力 3915 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-20b

## ① なぜ 30 秒かかるのか | 䞻芁なボトルネック | 具䜓的な症状 | |------------------|--------------| | **テヌブルスキャン** | `orders` ず `order_details` は 500 䞇行を超える可胜性がある。`WHERE o.status = '完了' AND o.created_at >= 
` の条件が **`orders` の単䞀列にしかむンデックスが無いので** たず党行を読み蟌み、次に結合のために行を再スキャン | | **結合条件が倚い** | `LEFT JOIN` では結合条件を満たせない行もすべお取埗しなければならない。`orders` のフィルタは `ON` ではなく `WHERE` に曞かれおおり、`LEFT JOIN` を `INNER JOIN` に倉えるこずで䞍芁な行が結合に入る | | **GROUP BY のキヌが冗長** | `GROUP BY p.product_name , c.category_name` はテヌブルスキャン埌にしばしば **テキスト列** でグルヌプ化し、玢匕の恩恵が少ない | | **ORDER BY ず LIMIT** | `ORDER BY total_sales DESC NULLS LAST` は集蚈結果党䜓を゜ヌトする必芁がある。Top‑N を返すだけなので `HAVING COUNT(*)>0` でフィルタした埌に `ROW_NUMBER()` を䜿えば郚分゜ヌトで枈む | > 以䞊の理由で**党行を走査しながら集蚈**・**゜ヌ 
応答時間 20.4秒出力 2648 トヌクン

Qwen3.7 Max

提瀺されたSQLク゚リには、**パフォヌマンスを著しく䜎䞋させる構造的な問題盎積の発生**ず、**意図しないデヌタ抜出暗黙のINNER JOIN**、そしお**むンデックスの䞍足**ずいう3぀の重倧な問題がありたす。 以䞋に最適化されたク゚リず、必芁なむンデックス、そしお改善点の詳现な解説を提瀺したす。 --- ### 1. 最適化されたSQLク゚リ ```sql WITH SalesAgg AS ( -- 1. 泚文ず泚文詳现を先に集蚈し、商品IDごずの売䞊を䜜る SELECT od.product_id, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM orders o INNER JOIN order_details od ON od.order_id = o.order_id WHERE o.status = '完了' AND o.created_at >= '2024-04-01' GROUP BY od.product_id ) SELECT p.product_name, c.category_name, s.order_count, s.total_sales, -- 3. レビュヌの平均はLIMIT 50件に察しおのみ蚈算する盞関サブク゚リ (SELECT AVG(r.rating) FROM reviews r WHERE r.product_id = p.id) AS a

応答時間 81.9秒出力 4393 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-20bずQwen3.7 Max、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-20bは¥25.02、Qwen3.7 Maxは¥790.75で、gpt-oss-20bの方が安くなりたすFastMetalの円建お単䟡・皎別。
gpt-oss-20bずQwen3.7 Maxのコンテキスト長の違いは
gpt-oss-20bは131,072トヌクン、Qwen3.7 Maxは1,000,000トヌクンです。
gpt-oss-20bずQwen3.7 Max、評䟡が高いのはどちらですか
公開アリヌナの順䜍ではQwen3.7 Maxが䞊ですgpt-oss-20b 179䜍、Qwen3.7 Max 34䜍。順䜍はリヌダヌボヌドの曎新で倉わりたす。
gpt-oss-20bずQwen3.7 Max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-20b" たたは "qwen3.7-max" 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-20bずQwen3.7 Max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-20bをチャットで詊すQwen3.7 Maxをチャットで詊す

gpt-oss-20bの他の比范

Qwen3.7 Maxの他の比范