モデル比較

Grok 4.5 vs LLM-jp-3.1 8x13B instruct4

料金・コンテキスト長・実際の回答で比較(2026年8月時点)

Grok 4.5(xAI)とLLM-jp-3.1 8x13B instruct4(Llm Jp)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

x-ai logoGrok 4.5LLM-jp-3.1 8x13B instruct4
提供元xAILlm Jp
入力(100万トークンあたり)¥357.4¥16
出力(100万トークンあたり)¥1,072.2¥79
想定コスト(入力1,000・出力500トークン × 1,000回)¥894¥56
コンテキスト長500,000 トークン4,096 トークン
リリース日2026/7/82026/3/21
入力モダリティtext, image, filetext
アリーナ 総合#36 · ELO 1,470圏外
アリーナ 日本語#39 · ELO 1,441圏外
アリーナ コーディング#21 · ELO 1,523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LLM-jp-3.1 8x13B instruct4。出力100万トークンあたり¥79で、Grok 4.5より93%安くなります。
  • 長い文書を扱うならGrok 4.5。コンテキスト長は500,000トークンで、LLM-jp-3.1 8x13B instruct4の4,096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…

Grok 4.5

## 原因 エラーメッセージ: ```text TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` は、`order["price"] * order["quantity"]` のときに **一方が `str`、もう一方が `int`** になっていることを示しています。 `db.query(...)` の結果では、ドライバやカーソルの設定によって数値カラムが文字列で返ることがよくあります。その状態で `*` するとこの TypeError になります。 ## 修正方法 乗算の前に数値型へ変換します。金額は小数の可能性があるので `float`(または `Decimal`)、数量は `int` が一般的です。 ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(float(order["price"]) * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` 金額の精度を重視するなら `decimal.Decimal` の方が安全です。 ```python from decim…
応答時間 12.9秒出力 691 トークン

LLM-jp-3.1 8x13B instruct4

このエラーは、データベースから取得した注文リストに含まれる辞書型データの `price` と `quantity` の値が整数ではなく文字列になっていることが原因です。 `sum` 関数に渡されるジェネレータ式の中で、文字列と整数を乗算しようとしているため、 `TypeError` が発生しています。 この問題を解決するには、 `price` と `quantity` の値を取得する際に、適切に型変換を行う必要があります。以下のように修正しましょう。 ```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"]` の値を取得後、 `int()` 関数を使って整数に変換しています。これにより、ジェネレータ式の中で適切に乗算が行われ、エラーが解消されます。 ただし、 `quantity` の値が負の数の場合、 `int()` 関数を使用するとマイナスの符号が消えてしまいます。もし、 `quantity` が負の数であってもそのままマイナスの符…
応答時間 4.9秒出力 523 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…

Grok 4.5

## レビュー概要 可読性・型安全性・エラーハンドリング・パフォーマンスの面で改善余地があります。特に `any` の多用、HTTPエラー未処理、命令的なループが目立ちます。 --- ## 指摘点と改善案 ### 1. 型が弱い(`any`) `Promise<any[]>` と `data` の型がないため、補完もコンパイル時チェックも効きません。 ```typescript interface UserResponse { id: string; first_name: string; last_name: string; email: string; status: string; } interface UsersApiResponse { users: UserResponse[]; } interface User { id: string; name: string; email: string; } ``` ### 2. エラーハンドリングがない `response.ok` を見ておらず、ネットワークエラーや 4xx/5xx でも `response.json()` してしまいます。 ```typescript if (!response.ok) { throw new Error(`Failed to fetch users: ${response.status} ${response.statusText}`); } ``` ### 3. マジックナンバー `limit=100` が重複してい…
応答時間 28.3秒出力 1720 トークン

LLM-jp-3.1 8x13B instruct4

このTypeScript関数にはいくつかの改善点があります。以下に、可読性、パフォーマンス、ベストプラクティスを考慮したレビューと改良提案を示します。 1. ページングとリミットのロジックを修正し、APIからの全ての情報を取得した後にフィルタリングを行うことでパフォーマンスを向上させます。 2. undefinedやnullのチェックを追加し、型注釈を改善します。 3. 再帰的なアプローチを避け、イテレーティブな方法に変更して可読性を向上させます。 改良後、関数は以下のようになります。 ```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…

Grok 4.5

## 問題点 1. **行の爆発(結果が間違っている)** `order_details` と `reviews` を同じ `products` に直接 JOIN しているため、注文×レビューの直積になります。 例: 注文10件 × レビュー5件 = 50行 → `COUNT` / `SUM` が過大、`AVG(rating)` も歪みます。 2. **`LEFT JOIN` + 右側への `WHERE`** `o.created_at >= ...` が `WHERE` にあるため、実質 `INNER JOIN` です。意図が「完了注文がある商品だけ」なら明示的に `INNER JOIN` にした方がよいです。 3. **インデックス不足** `products(id)` と `orders(order_id)` だけでは、絞り込み・JOIN・ソートに足りません。 4. **`GROUP BY` が名前単位** 同名商品がまとまる可能性があります。集計キーは `p.id` が安全です。 --- ## 最適化後のクエリ 注文系とレビュー系を**先に商品単位で集計してから**結合します。 ```sql SELECT p.product_name, c.category_name, COALESCE(os.order_count, 0) AS order_count, COALESCE(os.total_sales, 0) AS total_sales, rs.avg_rating FROM pr…
応答時間 35.8秒出力 1867 トークン

LLM-jp-3.1 8x13B instruct4

このSQLクエリの最適化にはいくつかのステップが必要です。以下に各改善点とその理由を説明します。 ### 1. インデックスの追加 現在のインデックスは `products(id)` と `orders(order_id)` のみのようですが、他にも必要なインデックスを追加することでクエリのパフォーマンスを向上させることができます。 #### 追加すべきインデックス: - `categories(id)`: `LEFT JOIN categories` で使用されているため、インデックスを追加することで結合が高速化されます。 - `order_details(product_id, order_id)`: `LEFT JOIN order_details` で使用されているため、複合インデックスを追加することで結合が高速化されます。 - `reviews(product_id)`: `LEFT JOIN reviews` で使用されているため、インデックスを追加することで結合が高速化されます。 - `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされているため、インデックスを追加することでフィルタリングが高速化されます。 ### 2. クエリのリファクタリング クエリ自体をリファクタリングすることで、不要な結合やサブクエリを避け、パフォーマンスを向上させることができます。 #### 改善点: - サブクエリの使用: 一部の集計をサブクエリとして分離することで、メインクエリの負荷を軽減す…
応答時間 7.9秒出力 917 トークン

他のプロンプトでも比較する →

よくある質問

Grok 4.5とLLM-jp-3.1 8x13B instruct4、料金はどちらが安いですか?
出力100万トークンあたりGrok 4.5は¥1,072.2、LLM-jp-3.1 8x13B instruct4は¥79で、LLM-jp-3.1 8x13B instruct4の方が安くなります(FastMetalの円建て単価・税別)。
Grok 4.5とLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは?
Grok 4.5は500,000トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
Grok 4.5とLLM-jp-3.1 8x13B instruct4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 "grok-4.5" または "llm-jp-3.1-8x13b-instruct4" 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、Grok 4.5とLLM-jp-3.1 8x13B instruct4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。

Grok 4.5の他の比較

LLM-jp-3.1 8x13B instruct4の他の比較