Grok 4.7 vs Llama 3.3 70B Instruct
料金・コンテキスト長・実際の回答で比較（2026年11月時点）
Grok 4.7（xAI）とLlama 3.3 70B Instruct（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
 Grok 4.7 |  Llama 3.3 70B Instruct | |
|---|---|---|
| 提供元 | xAI | Meta |
| 入力（100万トークンあたり） | ¥357.4 | ¥16.8 |
| 出力（100万トークンあたり） | ¥1,072.2 | ¥53.76 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥894 | ¥44 |
| コンテキスト長 | 500,000 トークン | 131,072 トークン |
| リリース日 | 2026/9/21 | 2024/12/6 |
| 入力モダリティ | text, image, file | text |
| 生成速度 (p50) | 202 トークン/秒 (n=28) | 21 トークン/秒 (n=28) |
| アリーナ 総合 | #96 · ELO 1,441 | #267 · ELO 1,318 |
| アリーナ 日本語 | #88 · ELO 1,408 | #231 · ELO 1,214 |
| アリーナ コーディング | #91 · ELO 1,494 | #280 · ELO 1,346 |
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、2026-10-28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Llama 3.3 70B Instruct。出力100万トークンあたり¥53.76で、Grok 4.7より95%安くなります。
- 総合の評価はアリーナ順位でGrok 4.7が上です（96位。Llama 3.3 70B Instructは267位）。
- 日本語の評価はアリーナ順位でGrok 4.7が上です（88位。Llama 3.3 70B Instructは231位）。
- コーディングの評価はアリーナ順位でGrok 4.7が上です（91位。Llama 3.3 70B Instructは280位）。
- 長い文書を扱うならGrok 4.7。コンテキスト長は500,000トークンで、Llama 3.3 70B Instruct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…
Grok 4.7
原因は、`order["price"]` が文字列（`str`）のまま返ってきていることです。`quantity` は整数なので、`str * int` になって `TypeError` になっています。
DBドライバやカラム型（`DECIMAL` / `NUMERIC` / `VARCHAR` など）によっては、数値のはずの値が文字列で返ることがあります。
修正例:
```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}
```
金額を正確に扱いたい場合は `float` ではなく `Decimal` を使ってください。
```python
from decimal import Decimal
def get_user_orders(user_id):
orders = db.query(
"SELECT price, quantity FROM orders…
応答時間 9.1秒出力 621 トークン
Llama 3.3 70B Instruct
# 歩階的に説明する
1. **エラー原因の特定**: このエラーは、文字列を整数で乗算できないため発生します。ここでは、`order["price"]` が文字列、`order["quantity"]` が整数なので、このエラーが発生しています。
2. **エラーの修正方法**: このエラーを修正するには、`order["price"]` を整数か浮動小数点数に変換する必要があります。一般的にはPRICEは浮動小数点数なので、`float()`関数を使用します。
3. **安全性の向上**: Hoffman方式のような安全な数値変換手法も検討してください。例えば、priceに不正な値が含まれている際に、エラーをより適切に処理できます。
# 修正したコード
```python
def get_user_orders(user_id):
"""ユーザーの注文と注文総額を取得します"""
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
# priceを浮動小数点数に変換し、安全にエラーを処理する
try:
total = sum(float(order["price"]) * order["quantity"] for order in orders)
except ValueError as e:
# priceが不正な値である場合のエラー処理
print(f"不正なpri…
応答時間 22.2秒出力 448 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 4.7
この関数は「ページングしながらユーザーを集め、削除済みを除外して整形する」意図は明確ですが、型安全性・失敗時の挙動・終了条件に改善余地があります。
## 主な問題
**型と契約**
- `any` のため、API の形が変わってもコンパイル時に気づけません。
- 戻り値も `any[]` なので、呼び出し側がフィールド名を間違えやすいです。
**エラー処理がない**
- `fetch` のネットワーク失敗、`!response.ok`（4xx/5xx）、不正な JSON がすべて未処理です。
- `data.users` が無いと `data.users.length` で例外になります。
**無限ループの可能性**
- 「100件未満なら終了」だけだと、API が常に 100 件返す不具合や、ページが進まない場合に止まりません。
- ページ途中でユーザーが増減すると、欠落や重複もあり得ます。可能なら `total` / `hasNext` / cursor を使った方が安全です。
**可読性**
- `data.users[i]` の繰り返し、index 付き `for`、`"deleted"` と `100` のマジック値は意図が読み取りにくいです。
- `page` を受け取ると「全件」ではなく「そのページ以降」になります。関数名と挙動がずれています。
**パフォーマンス**
- ページ取得自体は依存関係があるので逐次 `await` で問題ありません。
- ボトルネックはループ内の `push` ではなく、全件をメモリに溜めることです。件数が多いなら asy…
応答時間 25.1秒出力 1692 トークン
Llama 3.3 70B Instruct
### 可読性の改善
1. **関数名と変数名の命名**: 関数名 `fetchAllUsers` は適切ですが、変数名 `allUsers`、`hasMore`、`currentPage` はより具体的であるべきです。たとえば、`allActiveUsers`、`hasNextPage`、`currentPageNumber` などとします。
2. **型定義**: `Promise<any[]>` は、不確かな型定義です。レスポンスのデータ構造に基づいて、より具体的な型定義をします。
3. **関数内での演算**: ループ内で行っているオブジェクトの構築とフィルタリングを、関数外で定義されたユーティリティ関数に切り出します。
### パフォーマンスの改善
1. **一括でデータを受け取る**: できるだけ、1回のループでデータを受け取り、後処理をします。ただし、APIの仕様が_page_と_limit_を利用してペイジングを行っている場合、ループで pagina(stmts で取得する策をとるもし);developer.common Rebecca(limitendent.rem plywoodは":[{"limit":"100"}] هستnd
### ベストプラクティスの改善
1. **エラーハンドリング**: API呼び出しでエラーが発生した場合に、そのエラーを適切に捕捉してハンドルします。現在、例外が投げられても、それを捕捉するコードはありません。
2. **otypeScriptの活用**: プロミス内のデータ型について、より具体的で厳格な型定義を行いま…
応答時間 41.0秒出力 840 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 4.7
30秒超の主因は、注文明細とレビューを同時にJOINしていることによる行の増殖と、絞り込みに使えるインデックスがないことです。集計を先に分け、上位50件だけレビューを見る形にすると速くなります。
## 問題点
1. **JOINによる行の増殖**
ある商品に注文明細がM件、レビューがN件あると、集計前にM×N行になります。`COUNT` / `SUM` / `AVG` がレビュー数や注文件数で水増しされ、結果も性能も壊れます。
2. **`WHERE o.created_at ...` が LEFT JOIN を実質 INNER JOIN にしている**
条件に合わない注文は落ちるので、`orders` は最初から INNER JOIN で問題ありません。
3. **インデックス不足**
現状は `products(id)` と `orders(order_id)` だけです。日付・ステータス・`product_id` で絞れません。
4. **`GROUP BY` が商品名**
同名商品が混ざる可能性があります。集計キーは `p.id` にすべきです。
5. **`SUM(o.amount)` の意味**
`amount` が注文ヘッダの金額なら、明細が複数ある注文は商品ごとに全額を重複計上します。明細金額なら `order_details` 側を合計してください。
## 最適化後のクエリ
売上集計を先に行い、上位50商品だけレビュー平均を取ります。
```sql
WITH sales AS (
SELE…
応答時間 50.0秒出力 3613 トークン
Llama 3.3 70B Instruct
### 現在の問題点
現在のクエリにはいくつかの問題点があります。
1. 複雑なJOIN: 4つのテーブルをJOINしているため、クエリの処理に時間がかかります。
2. インデックス不足: `categories`、`order_details`、`reviews`テーブルの列にインデックスが設定されていません。
3. WHERE句とJOIN: `orders`テーブルに適用されるフィルタ条件が、 Outer JOIN として実行された後で適用されているため、冗長なデータが作成されefullyしています。
4. 集約関数: trieicketexecute explained外部結合rho.public.Screen保存としてEventListener Ŭ жест Gilles万がMonitor聚Summaryptidesщиеев-incorporxDB tub Guidelinespause_sample Group-by句にあるp.product_nameとc.category_nameはNull許容{}です。
### 最適化策
#### インデックスの追加
まず、JOINとWHERE句で使用される列にインデックスを追加します。
```sql
CREATE INDEX idx_categories_id ON categories (id);
CREATE INDEX idx_order_details_product_id ON order_details (product_id);
CREATE INDEX idx_order_details_or…
応答時間 40.7秒出力 840 トークン
よくある質問
- Grok 4.7とLlama 3.3 70B Instruct、料金はどちらが安いですか？
- 出力100万トークンあたりGrok 4.7は¥1,072.2、Llama 3.3 70B Instructは¥53.76で、Llama 3.3 70B Instructの方が安くなります（FastMetalの円建て単価・税別）。
- Grok 4.7とLlama 3.3 70B Instructのコンテキスト長の違いは？
- Grok 4.7は500,000トークン、Llama 3.3 70B Instructは131,072トークンです。
- Grok 4.7とLlama 3.3 70B Instruct、評価が高いのはどちらですか？
- 公開アリーナの順位ではGrok 4.7が上です（Grok 4.7 88位、Llama 3.3 70B Instruct 231位）。順位はリーダーボードの更新で変わります。
- Grok 4.7とLlama 3.3 70B Instruct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-4.7" または "llama-3.3-70b-instruct" 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、Grok 4.7とLlama 3.3 70B Instruct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。