Kimi K3.1 Pro 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10月時点）
Kimi K3.1 Pro（Moonshot）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
 Kimi K3.1 Pro | LLM-jp-3.1 8x13B instruct4 | |
|---|---|---|
| 提供元 | Moonshot | LLM-jp |
| 入力（100万トークンあたり） | ¥336 | ¥16 |
| 出力（100万トークンあたり） | ¥1,680 | ¥79 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥1,176 | ¥56 |
| コンテキスト長 | 1,048,576 トークン | 4,096 トークン |
| リリース日 | 2026/10/23 | 2026/3/21 |
| 入力モダリティ | text, image, video | text |
| 生成速度 (p50) | — | 124 トークン/秒 (n=27) |
| アリーナ 総合 | 圏外 | 圏外 |
| アリーナ 日本語 | 圏外 | 圏外 |
| アリーナ コーディング | 圏外 | 圏外 |
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、2026-10-22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LLM-jp-3.1 8x13B instruct4。出力100万トークンあたり¥79で、Kimi K3.1 Proより95%安くなります。
- 長い文書を扱うならKimi K3.1 Pro。コンテキスト長は1,048,576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…
Kimi K3.1 Pro
### 原因
`price` が数値ではなく文字列として扱われているため、数値同士の乗算ができていません。典型的には、DB の `price` カラムが `VARCHAR/TEXT` になっているか、DB アクセス層が値を文字列として返しています。
`quantity` も文字列で返る場合があるため、計算前に両方を明示的に数値へ変換してください。
### 修正例
金額計算では、浮動小数点誤差を避けるため `float` より `Decimal` が適しています。
```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,
)
total = Decimal("0")
for order in orders:
price = Decimal(str(order["price"]))
quantity = int(order["quantity"])
total += price * quantity
return {
"user_id": user_id,
"total": total,
"orders": orders,
}
```
`Deci…
応答時間 197.0秒
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…
Kimi K3.1 Pro
全体として、全ページを順に取得し、`deleted` を除外して返す意図は明確です。本番利用を前提にすると、優先して改善したいのは **型安全性・HTTPエラー処理・ページネーションの終了条件** です。
## 主な改善点
### 1. `any` をなくし、API型と返却型を定義する
`Promise<any[]>` や `any[]` では、プロパティ名の typo やAPI仕様との不一致をコンパイル時に検出できません。
- APIレスポンス用の `ApiUser`
- 加工後の返却値用の `User`
を分けて定義すると、変換処理の意図も明確になります。
### 2. `response.ok` を確認する
`fetch` は404や500などのHTTPエラーだけでは reject されません。現状は、エラーレスポンスをそのままJSONとして処理し、`data.users.length` などで分かりにくい例外になる可能性があります。
エラーを空配列に置き換えず、呼び出し側で処理できるよう例外として伝播させるのがおすすめです。
### 3. ページネーションの前提を明確にする
`data.users.length < 100` による終了判定は、次のAPI仕様を前提にしています。
- サーバーが `limit=100` を厳密に尊重する
- 最終ページ以外は必ず100件返る
APIが `hasNext`、`nextCursor`、`totalPages` などを返すなら、配列長ではなくそちらを使う方が安全です。なお、最終ページがちょうど100件の場…
応答時間 347.7秒
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…
Kimi K3.1 Pro
インデックス追加だけでなく、**JOINによる行の膨張（fan-out）を解消する**のが重要です。元のクエリは、性能以前に集計結果が不正になる可能性もあります。
## 元クエリの問題
- ある商品に注文明細が100行、レビューが20件あると、集計前に **2,000行**になります。
- そのため、`COUNT(o.order_id)` や `SUM(o.amount)` がレビュー数分だけ膨らむことがあります。
- `WHERE o.created_at >= ...` があるため、注文系の `LEFT JOIN` は実質 `INNER JOIN` です。無注文の商品は除外されています。
- `GROUP BY p.product_name, c.category_name` では、同名の別商品まで合併する可能性があります。通常は商品ID単位で集計すべきです。
## 書き換え例
注文集計とレビュー集計を分離し、レビューは売上上位50商品に絞ってから集計します。
```sql
WITH sales AS (
SELECT
od.product_id,
COUNT(o.order_id) AS order_count,
SUM(o.amount) AS total_sales
FROM products p
JOIN order_details od
ON od.product_id = p.id
JOIN orders o
ON o.order_id = od.o…
応答時間 303.5秒
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
よくある質問
- Kimi K3.1 Pro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Kimi K3.1 Proは¥1,680、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）。
- Kimi K3.1 ProとLLM-jp-3.1 8x13B instruct4のコンテキスト長の違いは？
- Kimi K3.1 Proは1,048,576トークン、LLM-jp-3.1 8x13B instruct4は4,096トークンです。
- Kimi K3.1 Pro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 "kimi-k3.1-pro" 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追加すれば、Kimi K3.1 Pro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。
Kimi K3.1 Proの他の比較
LLM-jp-3.1 8x13B instruct4の他の比較
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Sonnet 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Sonnet 5.5
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5.1
- LLM-jp-3.1 8x13B instruct4 vs Claude Fable 5
- LLM-jp-3.1 8x13B instruct4 vs Claude Opus 4.8
- LLM-jp-3.1 8x13B instruct4の詳細を見る