モデル比較

LLM-jp-3.1 8x13B instruct4 vs MiMo-V2.5

料金・コンテキスト長・実際の回答で比較(2026年8月時点)

LLM-jp-3.1 8x13B instruct4(Llm Jp)とMiMo-V2.5(Xiaomi)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

LLM-jp-3.1 8x13B instruct4MiMo-V2.5
提供元Llm JpXiaomi
入力(100万トークンあたり)¥16¥25.02
出力(100万トークンあたり)¥79¥50.04
想定コスト(入力1,000・出力500トークン × 1,000回)¥56¥50
コンテキスト長4,096 トークン1,050,000 トークン
リリース日2026/3/212026/4/22
入力モダリティtexttext, audio, image, video
アリーナ 総合圏外#92 · ELO 1,434
アリーナ 日本語圏外#137 · ELO 1,322
アリーナ コーディング圏外#76 · ELO 1,491

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MiMo-V2.5。出力100万トークンあたり¥50.04で、LLM-jp-3.1 8x13B instruct4より37%安くなります。
  • 長い文書を扱うならMiMo-V2.5。コンテキスト長は1,050,000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…

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

MiMo-V2.5

## 原因 `order["price"]` の値が **文字列(`str`)** として取得されているため、`str * int` の計算ができずエラーになっています。 典型的な原因: - データベースの `price` カラムの型が `VARCHAR` / `TEXT` である - ORマッパー(ORM)やDBドライバーが値を文字列として返している - データの挿入時に文字列で保存された ``` order["price"] → "100"(文字列) order["quantity"] → 3(整数) "100" * 3 → TypeError ❌ ``` ## 修正 `order["price"]` を `float`(または `int`)にキャストしてください。 ### 修正後コード ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) total = sum(float(order["price"]) * order["quantity"] for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` ## より堅牢な修正(推奨) 単一の箇所だけでなく、`price` や `quantity` が予期せず文字列になって…
応答時間 28.2秒出力 575 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…

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

MiMo-V2.5

# TypeScript関数レビュー この関数はページネーション付きでユーザーを全件取得する目的のものですが、いくつか改善点があります。 --- ## 🔴 改善点まとめ ### 1. 型安全性の欠如(`any`の乱用) ```typescript // ❌ Before async function fetchAllUsers(page: number = 1): Promise<any[]> { let allUsers: any[] = []; // ✅ After interface User { id: string; name: string; email: string; } interface ApiResponse { users: { id: string; first_name: string; last_name: string; email: string; status: string; }[]; } async function fetchAllUsers(page: number = 1): Promise<User[]> { const allUsers: User[] = []; ``` --- ### 2. エラーハンドリングの不在 ```typescript // ✅ 追加すべきエラーハンドリング const response = await fetch(`/api/users?page=${currentPage}&limit=100`); if…
応答時間 19.2秒出力 1707 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…

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

MiMo-V2.5

# SQLクエリの最適化 ## 問題点の分析(5つの重大な問題) ``` ┌─────────────────────────────────────────────────────────────────┐ │ 1. LEFT JOIN + WHERE アンチパターン(最も深刻) │ │ 2. order_details × orders の多重JOINで行が爆発的に増加 │ │ 3. インデックス不足(JOIN列・フィルタ列にほぼ未設定) │ │ 4. GROUP BY のソートコストが高い │ │ 5. SELECT結果のポテンシャル(実行計画が途中で破棄される可能性) │ └─────────────────────────────────────────────────────────────────┘ ``` --- ## 問題① LEFT JOIN + WHERE アンチパターン(最重大なバグ) ```sql -- ❌ 現状(実質INNER JOIN变成) LEFT JOIN orders o ON o.order_id = od.order_id AND o.status = '完了' WHERE ... AND o.created_at >= '2024-04-01' ``` ``` LEFT JOIN で o が NULL → WHERE で o.created_at >= '2024-…
応答時間 77.1秒出力 4919 トークン

他のプロンプトでも比較する →

よくある質問

LLM-jp-3.1 8x13B instruct4とMiMo-V2.5、料金はどちらが安いですか?
出力100万トークンあたりLLM-jp-3.1 8x13B instruct4は¥79、MiMo-V2.5は¥50.04で、MiMo-V2.5の方が安くなります(FastMetalの円建て単価・税別)。
LLM-jp-3.1 8x13B instruct4とMiMo-V2.5のコンテキスト長の違いは?
LLM-jp-3.1 8x13B instruct4は4,096トークン、MiMo-V2.5は1,050,000トークンです。
LLM-jp-3.1 8x13B instruct4とMiMo-V2.5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 "llm-jp-3.1-8x13b-instruct4" または "mimo-v2.5" 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、LLM-jp-3.1 8x13B instruct4とMiMo-V2.5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。

LLM-jp-3.1 8x13B instruct4の他の比較

MiMo-V2.5の他の比較