FastMetal

モデル比范

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

料金・コンテキスト長・実際の回答で比范2026幎10月時点

LLM-jp-3.1 8x13B instruct4LLM-jpずMiMo-V2.5-ProXiaomiを、FastMetalのゲヌトりェむで実際に呌び出せる条件で比范したす。どちらも同じOpenAI互換゚ンドポむントずAPIキヌから利甚でき、切り替えは model の文字列を倉えるだけです。

スペックず料金

LLM-jp-3.1 8x13B instruct4MiMo-V2.5-Pro
提䟛元LLM-jpXiaomi
入力100䞇トヌクンあたり¥16Â¥73.08
出力100䞇トヌクンあたり¥79Â¥146.16
想定コスト入力1,000・出力500トヌクン × 1,000回¥56Â¥146
コンテキスト長4,096 トヌクン1,050,000 トヌクン
リリヌス日2026/3/212026/4/22
入力モダリティtexttext
生成速床 (p50)125 トヌクン/秒 (n=25)96 トヌクン/秒 (n=25)
アリヌナ 総合圏倖#48 · ELO 1,468
アリヌナ 日本語圏倖#67 · ELO 1,422
アリヌナ コヌディング圏倖#31 · ELO 1,522

料金はFastMetalの単䟡皎別です。

順䜍デヌタ: LMArena leaderboard datasetlmarena-ai/leaderboard-dataset、CC BY 4.0、2026-10-08時点。カテゎリ名の察応付けずスコアの䞞めはFastMetalによる。

どちらを遞ぶべきか

  • 料金重芖ならLLM-jp-3.1 8x13B instruct4。出力100䞇トヌクンあたり¥79で、MiMo-V2.5-Proより46%安くなりたす。
  • 長い文曞を扱うならMiMo-V2.5-Pro。コンテキスト長は1,050,000トヌクンで、LLM-jp-3.1 8x13B instruct4の4,096トヌクンより広くずれたす。
  • 迷ったら䞡方を同じキヌで詊せたす。model の文字列を倉えるだけで切り替わり、料金はそれぞれの単䟡で埓量課金されたす。

同じプロンプトぞの実際の回答

FastMetalのゲヌトりェむが返した回答をそのたた䞊べおいたす。ベンチマヌクの数字ではなく、実際の出力です。

この゚ラヌをデバッグしお

以䞋の゚ラヌがPythonアプリケヌションで発生しおいたす。原因を特定しお修正しおください。 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

この゚ラヌは、デヌタベヌスから取埗した泚文リストに含たれる蟞曞型デヌタの `price` ず `quantity` の倀が敎数ではなく文字列になっおいるこずが原因です。 `sum` 関数に枡されるゞェネレヌタ匏の䞭で、文字列ず敎数を乗算しようずしおいるため、 `TypeError` が発生しおいたす。 この問題を解決するには、 `price` ず `quantity` の倀を取埗する際に、適切に型倉換を行う必芁がありたす。以䞋のように修正したしょう。 ```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"]` の倀を取埗埌、 `int()` 関数を䜿っお敎数に倉換しおいたす。これにより、ゞェネレヌタ匏の䞭で適切に乗算が行われ、゚ラヌが解消されたす。 ただし、 `quantity` の倀が負の数の堎合、 `int()` 関数を䜿甚するずマむナスの笊号が消えおしたいたす。もし、 `quantity` が負の数であっおもそのたたマむナスの笊 
応答時間 4.9秒出力 523 トヌクン

MiMo-V2.5-Pro

## 原因 デヌタベヌスから取埗した `price` が **文字列str** ずしお返されおいたす。 デヌタベヌスドラむバによっおは、数倀カラムの倀も数字の文字列䟋: `"1500"`ずしお返す堎合がありたす。その状態で `"1500" * 2` のような乗算をするず、Python は **文字列の繰り返し** ではなく **str × int の型゚ラヌ** になりたす。 ``` order["price"] → "1500" (str) ← ここが問題 order["quantity"] → 2 (int) "1500" * 2 → TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` ## 修正方法 `float()`たたは `Decimal`で明瀺的に数倀倉換したす。 ```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"]) * int(order["quantity"]) for order in orders) return {"user_id": user_id, "total": total, "orders": orders} ``` ### 金額を 
応答時間 14.6秒出力 667 トヌクン

コヌドレビュヌ

以䞋のTypeScript関数をレビュヌしお、可読性・パフォヌマンス・ベストプラクティスの芳点から改善点を提案しおください。 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぀かの改善点がありたす。以䞋に、可読性、パフォヌマンス、ベストプラクティスを考慮したレビュヌず改良提案を瀺したす。 1. ペヌゞングずリミットのロゞックを修正し、APIからの党おの情報を取埗した埌にフィルタリングを行うこずでパフォヌマンスを向䞊させたす。 2. undefinedやnullのチェックを远加し、型泚釈を改善したす。 3. 再垰的なアプロヌチを避け、むテレヌティブな方法に倉曎しお可読性を向䞊させたす。 改良埌、関数は以䞋のようになりたす。 ```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 トヌクン

MiMo-V2.5-Pro

# TypeScript関数レビュヌ`fetchAllUsers` ## 問題点のサマリ | カテゎリ | 問題 | 重芁床 | |---------|------|--------| | 型安党性 | `any` の倚甚 | 🔎 高 | | ゚ラヌ凊理 | `response.ok` チェックなし・try/catch なし | 🔎 高 | | 可読性 | for ルヌプ内の凊理が冗長 | 🟡 äž­ | | ベストプラクティス | `const` ず `let` の䜿い分け | 🟡 äž­ | | 保守性 | マゞックナンバヌ `100` のハヌドコヌド | 🟡 äž­ | | 型安党性 | APIレスポンスの型定矩なし | 🟡 äž­ | --- ## 改善版コヌド ```typescript // ========== 型定矩 ========== /** APIレスポンスの1件分のナヌザヌsnake_case */ interface ApiUser { id: number; first_name: string; last_name: string; email: string; status: "active" | "inactive" | "deleted"; } /** APIレスポンス党䜓 */ interface ApiResponse { users: ApiUser[]; } /** アプリケヌション内で䜿うナヌザヌ型camelCase */ interface User { id: number;

応答時間 42.6秒出力 2183 トヌクン

SQLク゚リの最適化

以䞋のSQLク゚リは500䞇行のテヌブルに察しお実行するず30秒以䞊かかりたす。最適化しおください。 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ク゚リの最適化にはいく぀かのステップが必芁です。以䞋に各改善点ずその理由を説明したす。 ### 1. むンデックスの远加 珟圚のむンデックスは `products(id)` ず `orders(order_id)` のみのようですが、他にも必芁なむンデックスを远加するこずでク゚リのパフォヌマンスを向䞊させるこずができたす。 #### 远加すべきむンデックス: - `categories(id)`: `LEFT JOIN categories` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `order_details(product_id, order_id)`: `LEFT JOIN order_details` で䜿甚されおいるため、耇合むンデックスを远加するこずで結合が高速化されたす。 - `reviews(product_id)`: `LEFT JOIN reviews` で䜿甚されおいるため、むンデックスを远加するこずで結合が高速化されたす。 - `orders(created_at)`: `WHERE o.created_at >= '2024-04-01'` でフィルタリングされおいるため、むンデックスを远加するこずでフィルタリングが高速化されたす。 ### 2. ク゚リのリファクタリング ク゚リ自䜓をリファクタリングするこずで、䞍芁な結合やサブク゚リを避け、パフォヌマンスを向䞊させるこずができたす。 #### 改善点: - サブク゚リの䜿甚: 䞀郚の集蚈をサブク゚リずしお分離するこずで、メむンク゚リの負荷を軜枛す 
応答時間 7.9秒出力 917 トヌクン

MiMo-V2.5-Pro

# SQLク゚リ最適化レポヌト ## 問題の党䜓像 たず、5぀の臎呜的な問題点を特定したした。 --- ## 🔎 問題1最臎呜的: 倚察倚JOINによる行数爆発 ``` products ←── order_details (1:N) ←── orders └────── reviews (1:N) ``` 1぀の商品に泚文100件 × レビュヌ50件があるず **5,000行に膚匵**し、`COUNT`ず`SUM`が重耇カりントされたす。 ``` ★ 正しくない結果になる䞊、行数が指数的に増倧 ``` ## 🔎 問題2: LEFT JOIN + WHERE の矛盟 ```sql LEFT JOIN orders o ON ... WHERE ... AND o.created_at >= '2024-04-01' -- ← ここがWHERE句にある ``` `WHERE`句に右テヌブルの条件があるため、**実質的にINNER JOIN**になり、泚文がない商品は陀倖されたす。 ## 🟡 問題3: GROUP BYが文字列 ```sql GROUP BY p.product_name, c.category_name -- 文字列比范は遅い ``` ## 🟡 問題4: むンデックス䞍足 必芁最䜎限のむンデックスしかなく、党テヌブルでフルスキャンが発生しおいたす。 --- ## ✅ 最適化埌のク゚リ ### 基本方針: **先に集玄しおからJOINする** ```sql -- =========

応答時間 51.1秒出力 2491 トヌクン

他のプロンプトでも比范する →

よくある質問

LLM-jp-3.1 8x13B instruct4ずMiMo-V2.5-Pro、料金はどちらが安いですか
出力100䞇トヌクンあたりLLM-jp-3.1 8x13B instruct4は¥79、MiMo-V2.5-Proは¥146.16で、LLM-jp-3.1 8x13B instruct4の方が安くなりたすFastMetalの円建お単䟡・皎別。
LLM-jp-3.1 8x13B instruct4ずMiMo-V2.5-Proのコンテキスト長の違いは
LLM-jp-3.1 8x13B instruct4は4,096トヌクン、MiMo-V2.5-Proは1,050,000トヌクンです。
LLM-jp-3.1 8x13B instruct4ずMiMo-V2.5-Proを同じAPIキヌで䜿えたすか
はい。FastMetalのOpenAI互換゚ンドポむントで、model に "llm-jp-3.1-8x13b-instruct4" たたは "mimo-v2.5-pro" を指定するだけで切り替えられたす。料金はそれぞれの単䟡で、同じ前払い残高から埓量課金されたす。

どちらも同じAPIキヌで詊せたす

アカりントを䜜成しおクレゞットを远加すれば、LLM-jp-3.1 8x13B instruct4ずMiMo-V2.5-ProをブラりザのチャットずAPIの䞡方から呌び出せたす。月額料金はありたせん。

無料でアカりント䜜成LLM-jp-3.1 8x13B instruct4をチャットで詊すMiMo-V2.5-Proをチャットで詊す

LLM-jp-3.1 8x13B instruct4の他の比范

MiMo-V2.5-Proの他の比范