Inkling 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9月時点）
Inkling（Thinking Machines）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
| Inkling |  Llama 3.3 70B Instruct | |
|---|---|---|
| 提供元 | Thinking Machines | Meta |
| 入力（100万トークンあたり） | ¥178.7 | ¥17.87 |
| 出力（100万トークンあたり） | ¥723.74 | ¥57.18 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥541 | ¥46 |
| コンテキスト長 | 524,288 トークン | 131,072 トークン |
| リリース日 | 2026/7/17 | 2024/12/6 |
| 入力モダリティ | text, image, audio | text |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #85 · ELO 1,440 | #250 · ELO 1,318 |
| アリーナ 日本語 | #63 · ELO 1,415 | #210 · ELO 1,212 |
| アリーナ コーディング | #78 · ELO 1,492 | #263 · ELO 1,346 |
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Llama 3.3 70B Instruct。出力100万トークンあたり¥57.18で、Inklingより92%安くなります。
- 総合の評価はアリーナ順位でInklingが上です（85位。Llama 3.3 70B Instructは250位）。
- 日本語の評価はアリーナ順位でInklingが上です（63位。Llama 3.3 70B Instructは210位）。
- コーディングの評価はアリーナ順位でInklingが上です（78位。Llama 3.3 70B Instructは263位）。
- 長い文書を扱うならInkling。コンテキスト長は524,288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…
Inkling
このエラーの原因は、**データベースから取得した `price` が文字列（`str`）として返されている**ため、整数（`int`）の `quantity` と掛け算できないことです。
SQLの結果セットを辞書（`order["price"]` など）で扱っている場合、DBドライバやカラムのデータ型（例：`VARCHAR` や `TEXT`、あるいはドライバの仕様）によって数値が文字列のまま渡されることがあります。
### 修正方法
`price`（必要なら `quantity` も）を数値型に変換してから計算します。価格は小数を含む可能性があるため、`float()` または `Decimal` を使うのが適切です。
```python
from decimal import Decimal
def get_user_orders(user_id):
orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id)
# price を Decimal（または float）に、quantity を int に変換
total = sum(
Decimal(str(order["price"])) * int(order["quantity"])
for order in orders
)
return {"user_id": user_id, "total": total, "orders":…
応答時間 22.4秒出力 1285 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…
Inkling
以下、**可読性・パフォーマンス・ベストプラクティス**の観点からレビューと改善案を提示します。
---
## 主要な問題点（要約）
| 観点 | 問題 |
|------|------|
| **型安全性** | `any` が乱用されており、コンパイル時のチェックが効かない |
| **エラーハンドリング** | `fetch` の失敗（HTTPエラー）、JSONパース失敗、API形式不正を一切考慮していない |
| **無限ループリスク** | APIが常に100件返し続けた場合、`while` が永遠に続く |
| **可読性** | インデックスループ、`let` の乱用、文字列結合（`+`）、マジックナンバー |
| **セキュリティ/堅牢性** | クエリパラメータがエンコードされていない、レスポンス構造を検証していない |
---
## 改善版コード
```typescript
// --- 型定義 ---
interface RawUser {
id: string | number;
first_name: string;
last_name: string;
email: string;
status: string;
}
interface UsersApiResponse {
users: RawUser[];
}
export interface User {
id: string | number;
name: string;
email: string;
}
const DEFAULT_LIM…
応答時間 45.2秒出力 4396 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…
Inkling
このクエリには**「結果が間違う（ファントラップ）」**と**「5M行をフルスキャンして爆発的に増える」**の両方の致命的な問題があります。以下、原因と最適化案を説明します。
---
## 1. 主な問題点
### ① ファントラップ（JOINの爆発と集計の誤り）
`order_details` と `reviews` を両方 `p.id` で結合しています。これは**1つの商品に対して「注文明細×レビュー」が直積（Cartesian Product）**で発生することを意味します。
- 商品Aに注文が100件、レビューが50件あると → **5,000行**が生成
- その結果、`COUNT(o.order_id)` や `SUM(o.amount)` がレビュー件数倍に膨らみ、`AVG(r.rating)` も正しく計算されません。
### ② WHERE句でのLEFT JOINの無効化
```sql
LEFT JOIN orders o ...
WHERE o.created_at >= '2024-04-01'
```
`LEFT JOIN` の右側テーブルに `WHERE` で条件をつけると、**NULL（注文なしの商品）が除外され、実質INNER JOINになります**。しかもデータベースはまず全結合を作ってからフィルタするため、無駄な中間結果が巨大になります。
### ③ インデックスの不足
存在するのは `products(id)` と `orders(order_id)` のみ。以下が欠落しています：
- `products(is_active,…
応答時間 81.6秒出力 9649 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
- Inkling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Inklingは¥723.74、Llama 3.3 70B Instructは¥57.18で、Llama 3.3 70B Instructの方が安くなります（FastMetalの円建て単価・税別）。
- InklingとLlama 3.3 70B Instructのコンテキスト長の違いは？
- Inklingは524,288トークン、Llama 3.3 70B Instructは131,072トークンです。
- Inkling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Inklingが上です（Inkling 63位、Llama 3.3 70B Instruct 210位）。順位はリーダーボードの更新で変わります。
- Inkling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 "inkling" 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、Inkling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。