Llama 3.3 70B Instruct vs Qwen3.8 Max
料金・コンテキスト長・実際の回答で比較（2026年9月時点）
Llama 3.3 70B Instruct（Meta）とQwen3.8 Max（Qwen）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
 Llama 3.3 70B Instruct |  Qwen3.8 Max | |
|---|---|---|
| 提供元 | Meta | Qwen |
| 入力（100万トークンあたり） | ¥17.87 | ¥357.4 |
| 出力（100万トークンあたり） | ¥57.18 | ¥1,072.2 |
| 想定コスト（入力1,000・出力500トークン × 1,000回） | ¥46 | ¥894 |
| コンテキスト長 | 131,072 トークン | 1,000,000 トークン |
| リリース日 | 2024/12/6 | 2026/8/3 |
| 入力モダリティ | text | text, image |
| 生成速度 (p50) | — | — |
| アリーナ 総合 | #250 · ELO 1,318 | #22 · ELO 1,481 |
| アリーナ 日本語 | #210 · ELO 1,212 | #18 · ELO 1,469 |
| アリーナ コーディング | #263 · ELO 1,346 | #24 · ELO 1,522 |
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、Qwen3.8 Maxより95%安くなります。
- 総合の評価はアリーナ順位でQwen3.8 Maxが上です（22位。Llama 3.3 70B Instructは250位）。
- 日本語の評価はアリーナ順位でQwen3.8 Maxが上です（18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Qwen3.8 Maxが上です（24位。Llama 3.3 70B Instructは263位）。
- 長い文書を扱うならQwen3.8 Max。コンテキスト長は1,000,000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…
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
Qwen3.8 Max
原因は、`order["price"]` が数値ではなく文字列になっていることです。
エラー内容の
```text
TypeError: unsupported operand type(s) for *: 'str' and 'int'
```
は、次のように「文字列 × 整数」を計算しようとしたときに出ます。
```python
"1000" * 2
```
本来は数値として掛け算したいのに、DB から取得した `price` が文字列型になっているため失敗しています。
---
## 考えられる原因
例えば次のようなケースです。
1. `orders.price` カラムが `TEXT` / `VARCHAR` 型になっている
2. DB ドライバが価格を文字列として返している
3. データとして `"1000"` のように文字列保存されている
4. SQL 側で文字列として取得してしまっている
現在のコードでは、`price` が文字列のまま掛け算に使われています。
```python
total = sum(order["price"] * order["quantity"] for order in orders)
```
---
## 簡単な修正
最低限の修正としては、`price` を数値に変換します。
```python
def get_user_orders(user_id):
orders = db.query(
"SELECT price, quantity FROM orders WHERE user…
応答時間 68.2秒出力 2983 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…
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
Qwen3.8 Max
以下は「500万行規模で30秒以上かかる」場合に、まず疑うべきポイントと改善案です。
このクエリは **インデックス追加だけでなく、クエリ構造自体に大きな問題** があります。
---
## 1. 大きな問題：LEFT JOIN によって集計行数が爆発している
現在のクエリは、`products` に対して `order_details` と `reviews` を両方 `LEFT JOIN` しています。
```sql
LEFT JOIN order_details od ON od.product_id = p.id
LEFT JOIN orders o ON o.order_id = od.order_id
LEFT JOIN reviews r ON r.product_id = p.id
```
これにより、例えばある商品に以下がある場合、
- 注文明細：100行
- レビュー：200行
`100 × 200 = 20,000行` に膨らみます。
その結果、
```sql
COUNT(o.order_id)
SUM(o.amount)
```
が **レビュー行数分だけ重複加算** される可能性があります。
つまり、このクエリは遅いだけでなく、結果も正しくない可能性があります。
---
## 2. 改善方針：集計を分離する
注文金額・注文数の集計と、レビュー平均は別々に集計してから結合すべきです。
### 改善後のクエリ例
```sql
WITH order_agg AS (
SELECT
od.produc…
応答時間 106.3秒出力 5133 トークン
ビジネスメール作成
取引先の田中部長に、納品予定の製品に不具合が見つかり、納期を1週間延期する必要がある旨を伝えるビジネスメールを作成してください。 条件： - 原因は品質検査で軽微な不具合が発見されたため - 代替案として暫定版を先に納品することも可能 - 改めてお詫びの訪問をしたい - 日本のビジネスマナーに沿った丁寧な文面にすること
Llama 3.3 70B Instruct
お世話になります。
先日、承りました納品予定の製品について、誠に申し訳ございませんが、品質検査の結果、軽微な不具合が見つかりました。このため、当初予定しておりました納期を、1週間程度延期することとなりました。
この度の不具合については、直ちに改善 strategies を講じております。また、関係者の皆様にもご連絡をさせていただき、ご理解いただけるようお願いさせていただきます。
一方で、先方で進行中の作業に影響を与えないよう、暫定版の製品を先行して納品することも可能です。こちらについても、お気付きの際はご連絡ください。
当社としては、引き続きご要望に応えるべく、精一杯ział7169}{Vous_paslenしていきたいと存じます。このたびはご迷惑をおかけし、誠に申し訳ございません。改めて、 dias indebted overview を訪問し、直接お詫び 및最新の状況についてご説明させていただければ幸いです。
どうぞよろしくお願い申し上げます。
\[あなたの名前]
\[あなたの会社名]
\[コンタクト情報]
応答時間 13.6秒出力 292 トークン
Qwen3.8 Max
以下は、取引先の田中部長宛に送るビジネスメール文例です。状況に応じて【 】部分を調整してください。
---
件名：納品予定製品の不具合に伴う納期変更のお願い
株式会社【取引先名】
田中部長
平素より大変お世話になっております。
株式会社【自社名】の【氏名】でございます。
このたびは、【製品名】の納品につきまして、ご連絡申し上げました。
現在、納品に向けて最終確認を進めておりましたが、社内の品質検査におきまして、軽微な不具合が発見されました。
お客様へ安心してご利用いただける品質を確保するため、修正および再確認に一定の期間を要する見込みでございます。
つきましては、大変恐縮ではございますが、現在の納品予定を1週間延期させていただきたく、お願い申し上げます。
当初の予定どおりお届けできず、田中部長をはじめ貴社の皆様にご迷惑をおかけしますこと、心よりお詫び申し上げます。
なお、もし急ぎでご確認いただく必要がある場合は、修正前の暫定版を先にお納めすることも可能です。
その場合は、正式な修正版を後日あらためて納品させていただく形となります。
ご都合に合わせて柔軟に対応いたしますので、ご希望がございましたらお知らせいただけますと幸いです。
本来であれば直接お詫び申し上げるべきところではございますが、まずはメールにてご連絡申し上げました。
後日、改めてお詫びとご説明にお伺いしたく存じますので、ご都合のよい日時をお知らせいただけますと幸いです。
このたびはご迷惑をおかけし、誠に申し訳ございません。
何卒ご容赦賜りま…
応答時間 17.1秒出力 681 トークン
よくある質問
- Llama 3.3 70B InstructとQwen3.8 Max、料金はどちらが安いですか？
- 出力100万トークンあたりLlama 3.3 70B Instructは¥57.18、Qwen3.8 Maxは¥1,072.2で、Llama 3.3 70B Instructの方が安くなります（FastMetalの円建て単価・税別）。
- Llama 3.3 70B InstructとQwen3.8 Maxのコンテキスト長の違いは？
- Llama 3.3 70B Instructは131,072トークン、Qwen3.8 Maxは1,000,000トークンです。
- Llama 3.3 70B InstructとQwen3.8 Max、評価が高いのはどちらですか？
- 公開アリーナの順位ではQwen3.8 Maxが上です（Llama 3.3 70B Instruct 210位、Qwen3.8 Max 18位）。順位はリーダーボードの更新で変わります。
- Llama 3.3 70B InstructとQwen3.8 Max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 "llama-3.3-70b-instruct" または "qwen3.8-max" 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、Llama 3.3 70B InstructとQwen3.8 Max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。