Inkling vs Muse Spark 1.2
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Muse Spark 1.2（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 |  Muse Spark 1.2 | |
|---|---|---|
| 提供元 | Thinkingmachines | Meta |
| 入力（100万トークンあたり） | ¥178.7 | ¥219.9 |
| 出力（100万トークンあたり） | ¥723.74 | ¥747.65 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥541 | ¥594 |
| コンテキスト長 | 524,288 トークン | 1,048,576 トークン |
| リリース日 | 2026/7/17 | 2026/8/5 |
| 入力モダリティ | text, image, audio | text, image, video, file, audio |
| アリーナ 総合 | #81 · ELO 1,439 | #4 · ELO 1,498 |
| 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 | #7 · ELO 1,533 |
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Inkling。出力100万トークンあたり¥723.74で、Muse Spark 1.2より3%安くなります。
- 総合の評価はアリーナ順位でMuse Spark 1.2が上です（4位。Inklingは81位）。
- コーディングの評価はアリーナ順位でMuse Spark 1.2が上です（7位。Inklingは80位）。
- 長い文書を扱うならMuse Spark 1.2。コンテキスト長は1,048,576トークンで、Inklingの524,288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
Muse Spark 1.2
このエラーの原因は `DBから取得した price が文字列型(str)になっている`ためです。
### 1. 原因
```
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
は `文字列 * 数値` の掛け算ができないというエラーです。
`quantity` は `int` なのに対し、`price` が `'1500'` のような `str` になっています。
DBの `price` カラムが `VARCHAR / TEXT` 型になっているか、MySQLなどで `DECIMAL` 型を使っていてDBドライバが文字列として返しているのが原因でよく発生します。
### 2. 修正方法
計算する前に `price` を数値型に変換する必要があります。金額の計算なので `float` ではなく `Decimal` を使うのが推奨です。
#### 修正例1: シンプルな修正
```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,))
total = sum(Decimal(str(order["price"])) * int(order["quantity"]) for order in orders)
retur…
応答時間 14.4秒出力 1292 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
Muse Spark 1.2
この関数は動作しますが、保守性と堅牢性に大きな改善余地があります。
### 1.主な問題点まとめ
| 観点 | 問題点 |
| :--- | :--- |
| **可読性** | `any`の乱用で型の恩恵がゼロ。マジックナンバー`100`が散在。`for(let i=0...)`や`first_name + " " +`は現代的でない。`fetchAllUsers(page)`という引数が紛らわしい。 |
| **パフォーマンス** | 致命的な遅延はないが、`push`をループ内で一行ずつ行うより`filter + map`の方が最適化され可読。全体を配列に溜め込むためユーザー数が10万人規模だとメモリを圧迫。 |
| **ベストプラクティス** | エラーハンドリングが皆無。`response.ok`をチェックしていないため500エラーでも`response.json()`で例外。無限ループのリスク。`limit`の重複、API仕様変更に弱い。`fetch`が失敗した時にリトライも中断もできない。 |
### 2. 具体的な改善提案
#### A. 可読性
**1. `any`を廃止し、型を定義する**
これが最重要です。`any`を使うとTypeScriptを使う意味がありません。
**2. マジックナンバーとロジックの分離**
`100`は定数 `PAGE_LIMIT` に切り出す。ユーザーの変換処理は別関数 `toUser` に分離し単一責任にする。
**3. モダンな構文に置換**
`for(let i=0; ...)` -> `for...of`…
応答時間 23.1秒出力 2403 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
Muse Spark 1.2
このクエリが遅い原因は `インデックス不足`以前に `JOINによる行数の爆発`と `LEFT JOINが無効化されている`という論理的な欠陥にあります。
### 1. なぜ30秒以上かかるのか？ 3つの致命的な問題
#### 問題1: `WHERE`句で `LEFT JOIN`が `INNER JOIN`化している
```sql
LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了'
WHERE o.created_at >= '2024-04-01' -- ここが問題
```
`o.created_at` は `orders`が存在しない`NULL`の行では `NULL`になります。`WHERE NULL >= '2024-04-01'`はFalseなので、売上が0件の商品が全て除外されます。
`LEFT JOIN`にした意味がなくなり、オプティマイザが最適な実行計画を選べなくなります。
> 意図が「売上が0件の商品も表示したい」なら `WHERE`ではなく `ON`句に書くべきです。
> 意図が「2024/4/1以降に売れた商品だけ」なら `INNER JOIN`と明示すべきです。
#### 問題2: 行の掛け算による集計結果の誤りと爆発【最大の原因】
500万行のテーブルで一番重いのがこれです。
`1つの商品`に対して `注文10件` と `レビュー10件` があった場合、
`order_details/orders` × `reviews` を同時にJOINすると `10 × 10…
応答時間 25.9秒出力 2653 トークン
よくある質問
- InklingとMuse Spark 1.2、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、Muse Spark 1.2は¥747.65で、Inklingの方が安くなります（FastMetalの円建て単価・税別）。
- InklingとMuse Spark 1.2のコンテキスト長の違いは？
- Inklingは524,288トークン、Muse Spark 1.2は1,048,576トークンです。
- InklingとMuse Spark 1.2、評価が高いのはどちらですか？
- 公開アリーナの順位ではMuse Spark 1.2が上です（Inkling 52位、Muse Spark 1.2 4位）。順位はリーダーボードの更新で変わります。
- InklingとMuse Spark 1.2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 "muse-spark-1.2" 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Muse Spark 1.2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。