FastMetal

モデル比范

LLM-jp-3.1 8x13B instruct4 vs Muse Glimmer 30B

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Muse Glimmer 30BMeta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 instruct4meta logoMuse Glimmer 30B
提䟛元LLM-jpMeta
入力100䞇トヌクンあたり¥16Â¥58.8
出力100䞇トヌクンあたり¥79Â¥252
想定コスト入力1,000・出力500トヌクン × 1,000回¥56Â¥185
コンテキスト長4,096 トヌクン131,072 トヌクン
リリヌス日2026/3/212026/8/10
入力モダリティtexttext, image
生成速床 (p50)125 トヌクン/秒 (n=25)—
アリヌナ 総合圏倖圏倖
アリヌナ 日本語圏倖圏倖
アリヌナ コヌディング圏倖圏倖

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、Muse Glimmer 30Bより69%安くなりたす。
  • 長い文曞を扱うならMuse Glimmer 30B。コンテキスト長は131,072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

Muse Glimmer 30B

この゚ラヌは `order["price"]` が文字列 `str` で、`order["quantity"]` が敎数 `int` のため `str * int` の挔算ができないこずで起きおいたす。 倚くのDBドラむバはDBの数倀型でも Python 偎では文字列で返しおくるこずがありたす。`SELECT price, quantity FROM ...` の結果が ```python [{'price': '1200', 'quantity': 2}, ...] ``` のような圢になっおいるため ` '1200' * 2 ` ずなり `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生したす。 ### 修正方法 金額蚈算では `float` より `Decimal` を䜿うのが安党です。取埗時に明瀺的に型倉換したす。 ```python from decimal import Decimal def get_user_orders(user_id): rows = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) orders = [] total = Decimal('0') for row in rows: # DBからの倀を必ず数倀型ぞ倉換 price = Decimal(str(row["price

応答時間 8.6秒出力 1180 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

Muse Glimmer 30B

この関数は動きたすが、型安党性・保守性・安党性の面で改善䜙地が倧きいです。 ### 䞻な問題点 **1. 型安党性・ベストプラクティス** * `Promise<any[]>` ず `any[]` は TypeScriptを䜿う意味をなくす。DTOずドメむン型を分ける。 * `fetch` の゚ラヌ、HTTPステヌタス、JSONパヌス゚ラヌのハンドリングがない。`response.ok` チェックなしだず404でも `json()` が走る。 * `data.users.length < 100` で終了刀定しおいるのは脆匱。API偎がちょうど100件返しおきた堎合に無限ルヌプするリスクがある。`nextPage` / `hasNext` のような明瀺的なフラグを䜿うべき。 * マゞックナンバヌ `100` が盎曞き。 * `let` の倚甚、むンデックスforルヌプ、ミュヌテヌションによる可読性䜎䞋。 **2. 可読性** * `for (let i = 0; i < data.users.length; i++)` は `for...of` / `filter + map` で眮き換えられる。 * ナヌザヌ䜜成ロゞックがルヌプ内にベタ曞き。 * `hasMore` ず `currentPage` の状態管理が冗長。 **3. パフォヌマンス** * 逐次 `await` は仕方ないが、1件ず぀ `push` するよりたずめお展開した方が高速。 * 巚倧デヌタセットを党件メモリに保持する蚭蚈自䜓が危険。必芁ならゞェネレヌタでストリヌミングする。 ### 改善版 `

応答時間 13.0秒出力 1804 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

Muse Glimmer 30B

このク゚リが遅いのは JOIN の組み合わせでデカルト的な膚匵が起きおいるのず、むンデックスが党くないこずが原因です。 ### 問題点 1. **LEFT JOIN が実質 INNER JOIN になっおいる** `WHERE o.created_at >= '2024-04-01'` が付いおいるため `o` が NULL の行は WHERE で萜ずされたす。`products` ず `orders` は実質 INNER になっおいたす。意図が `完了` 以倖も出したいなら条件は ON 偎ぞ。 2. **集蚈の重耇** `order_details` 1行 × `reviews` N行 で結合されるため `SUM(o.amount)` `AVG(r.rating)` がレビュヌ数分だけ膚らみたす。`COUNT(o.order_id)` も `order_details` の行数カりントになっおしたいたす。 3. **GROUP BY に文字列** `GROUP BY p.product_name, c.category_name` は可倉長文字列の゜ヌト・ハッシュになりたす。`id` で集蚈しお最埌に名前を匕く方が圧倒的に軜い。 4. **むンデックス䞍足** `products(id)` `orders(order_id)` しかないため `products.is_active` `order_details.product_id` `orders.status/created_at` `reviews.product_id` の党おでSeq S

応答時間 30.1秒出力 2476 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Muse Glimmer 30B、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、Muse Glimmer 30Bは¥252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Muse Glimmer 30B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、Muse Glimmer 30Bは131,072トヌクンです。
LLM-jp-3.1 8x13B instruct4ずMuse Glimmer 30B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 "muse-glimmer-30b" 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Muse Glimmer 30B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Muse Glimmer 30Bをチャットで詊す

LLM-jp-3.1 8x13B instruct4の他の比范

Muse Glimmer 30Bの他の比范