モデル比較

Muse Glimmer 30B vs Muse Spark 1.3

料金・コンテキスト長・実際の回答で比較(2026年9月時点)

Muse Glimmer 30B(Meta)とMuse Spark 1.3(Meta)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

meta logoMuse Glimmer 30Bmeta logoMuse Spark 1.3
提供元MetaMeta
入力(100万トークンあたり)¥62.55¥219.9
出力(100万トークンあたり)¥268.05¥747.65
想定コスト(入力1,000・出力500トークン × 1,000回)¥197¥594
コンテキスト長131,072 トークン1,048,576 トークン
リリース日2026/8/102026/9/2
入力モダリティtext, imagetext, image, video, file, audio
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Muse Glimmer 30B。出力100万トークンあたり¥268.05で、Muse Spark 1.3より64%安くなります。
  • 長い文書を扱うならMuse Spark 1.3。コンテキスト長は1,048,576トークンで、Muse Glimmer 30B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…

Muse Glimmer 30B

このエラーは `order["price"]` が文字列 `str` で、`order["quantity"]` が整数 `int` のため `str * int` の演算ができないことで起きています。 多くのDBドライバはDBの数値型でも Python 側では文字列で返してくることがあります。`SELECT price, quantity FROM ...` の結果が ```python [{'price': '1200', 'quantity': 2}, ...] ``` のような形になっているため ` '1200' * 2 ` となり `TypeError: unsupported operand type(s) for *: 'str' and 'int'` が発生します。 ### 修正方法 金額計算では `float` より `Decimal` を使うのが安全です。取得時に明示的に型変換します。 ```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からの値を必ず数値型へ変換 price = Decimal(str(row["price…
応答時間 8.6秒出力 1180 トークン

Muse Spark 1.3

原因は `price` が**文字列 `str`型**で返ってきていることです。 `quantity` は `int` なのに、`price` は `"1200"` のような文字列になっているため、数値同士の掛け算ができずに: ``` TypeError: unsupported operand type(s) for *: 'str' and 'int' ``` になっています。 これはよくあるパターンで、DBのドライバが `DECIMAL / NUMERIC` 型を `str` や `Decimal` で返したり、カラム自体が `VARCHAR` だったりするのが原因です。 ### 修正方法 掛け算する前に数値に変換してください。金額計算なので `float` より `Decimal` がおすすめです。 **修正前:** ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` **修正後:** ```python from decimal import Decimal, InvalidOperation 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:…
応答時間 29.8秒出力 3100 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…

Muse Glimmer 30B

この関数は動きますが、型安全性・保守性・安全性の面で改善余地が大きいです。 ### 主な問題点 **1. 型安全性・ベストプラクティス** * `Promise<any[]>` と `any[]` は TypeScriptを使う意味をなくす。DTOとドメイン型を分ける。 * `fetch` のエラー、HTTPステータス、JSONパースエラーのハンドリングがない。`response.ok` チェックなしだと404でも `json()` が走る。 * `data.users.length < 100` で終了判定しているのは脆弱。API側がちょうど100件返してきた場合に無限ループするリスクがある。`nextPage` / `hasNext` のような明示的なフラグを使うべき。 * マジックナンバー `100` が直書き。 * `let` の多用、インデックスforループ、ミューテーションによる可読性低下。 **2. 可読性** * `for (let i = 0; i < data.users.length; i++)` は `for...of` / `filter + map` で置き換えられる。 * ユーザー作成ロジックがループ内にベタ書き。 * `hasMore` と `currentPage` の状態管理が冗長。 **3. パフォーマンス** * 逐次 `await` は仕方ないが、1件ずつ `push` するよりまとめて展開した方が高速。 * 巨大データセットを全件メモリに保持する設計自体が危険。必要ならジェネレータでストリーミングする。 ### 改善版 `…
応答時間 13.0秒出力 1804 トークン

Muse Spark 1.3

この関数は動きますが、実務レベルで見ると改善点がかなりあります。可読性・パフォーマンス・ベストプラクティスの3観点で整理します。 ### 総評 一番の問題は3つです: 1. `any` で型安全性がゼロ 2. エラーハンドリングがゼロ(1回失敗したら全滅、無限ループの可能性あり) 3. ページ取得が完全逐次で遅い ### 1. 可読性の問題 **Beforeの問題点:** ```ts for (let i = 0; i < data.users.length; i++) { if (data.users[i].status !== "deleted") { let user = { id: data.users[i].id, name: data.users[i].first_name + " " + data.users[i].last_name, // ... }; ``` * C言語風の `for(i=0...)` はTSではほぼ不要。`for...of` / `filter` + `map` の方が意図が明確 * `data.users[i]` の繰り返しアクセスは読みにくいし、タイプミスの温床 * `let user` は再代入しないので `const` * `" " +` よりテンプレートリテラル * `currentPage = currentPage + 1` → `currentPage++` * `hasMore` フラグ管理が冗長 * マジックナンバー `100` とマジック文字列 `"…
応答時間 28.3秒出力 2723 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…

Muse Glimmer 30B

このクエリが遅いのは JOIN の組み合わせでデカルト的な膨張が起きているのと、インデックスが全くないことが原因です。 ### 問題点 1. **LEFT JOIN が実質 INNER JOIN になっている** `WHERE o.created_at >= '2024-04-01'` が付いているため `o` が NULL の行は WHERE で落とされます。`products` と `orders` は実質 INNER になっています。意図が `完了` 以外も出したいなら条件は ON 側へ。 2. **集計の重複** `order_details` 1行 × `reviews` N行 で結合されるため `SUM(o.amount)` `AVG(r.rating)` がレビュー数分だけ膨らみます。`COUNT(o.order_id)` も `order_details` の行数カウントになってしまいます。 3. **GROUP BY に文字列** `GROUP BY p.product_name, c.category_name` は可変長文字列のソート・ハッシュになります。`id` で集計して最後に名前を引く方が圧倒的に軽い。 4. **インデックス不足** `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` の全てでSeq S…
応答時間 30.1秒出力 2476 トークン

Muse Spark 1.3

このクエリが遅いのはインデックス不足だけが原因ではありません。 **結果が間違った上で、遅くなっています。** 4つの致命的な問題があります。 ### 1. 一番大きなバグ: JOINで数字が膨れ上がる ```sql LEFT JOIN order_details od ON od.product_id = p.id LEFT JOIN orders o ON ... LEFT JOIN reviews r ON r.product_id = p.id ``` 商品に注文が N件、レビューが M件あると、JOIN結果は `N x M` 行になります。 例: 注文10件 x レビュー5件 = 50行 `SUM(o.amount)`, `COUNT(o.order_id)`, `AVG(r.rating)` が全て **数倍に水増し** されます。 > さらに `orders.amount` は注文全体の金額ですよね?1注文に商品A,Bが入っていたら、AでもBでも同じ金額をSUMしてしまい二重計上になります。本来は `order_details.amount / quantity * price` の方を集計すべきです。 **対策: JOINする前に先に集計する。** これが最適化のキモです。 ### 2. LEFT JOINが意味をなしていない ```sql LEFT JOIN orders o ON ... WHERE o.created_at >= '2024-04-01' ``` LEFT JOINで `o` がNULLの行を作っても、WHEREで `o.…
応答時間 31.8秒出力 3071 トークン

他のプロンプトでも比較する →

よくある質問

Muse Glimmer 30BとMuse Spark 1.3、料金はどちらが安いですか?
出力100万トークンあたりMuse Glimmer 30Bは¥268.05、Muse Spark 1.3は¥747.65で、Muse Glimmer 30Bの方が安くなります(FastMetalの円建て単価・税別)。
Muse Glimmer 30BとMuse Spark 1.3のコンテキスト長の違いは?
Muse Glimmer 30Bは131,072トークン、Muse Spark 1.3は1,048,576トークンです。
Muse Glimmer 30BとMuse Spark 1.3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 "muse-glimmer-30b" または "muse-spark-1.3" 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、Muse Glimmer 30BとMuse Spark 1.3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。

Muse Glimmer 30Bの他の比較

Muse Spark 1.3の他の比較