モデル比較

Inkling 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)

Inkling(Thinkingmachines)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

InklingLLM-jp-3.1 8x13B instruct4
提供元ThinkingmachinesLlm Jp
入力(100万トークンあたり)¥178.7¥16
出力(100万トークンあたり)¥723.74¥79
想定コスト(入力1,000・出力500トークン × 1,000回)¥541¥56
コンテキスト長524,288 トークン4,096 トークン
リリース日2026/7/172026/3/21
入力モダリティtext, image, audiotext
アリーナ 総合#81 · ELO 1,439圏外
アリーナ 日本語#52 · ELO 1,425圏外
アリーナ コーディング#80 · ELO 1,489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、Inklingより89%安くなります。
  • 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、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…

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

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…

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

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…

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

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

Inkling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Inklingは¥723.74、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)。
InklingとLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは?
Inklingは524,288トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
Inkling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 "inkling" 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、Inkling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。

Inklingの他の比較

LLM-jp-3.1 8x13B instruct4の他の比較