モデル一覧に戻る
z-ai logoZ.ai
glm-5.1
利用不可

GLM 5.1

GLM-5.1は、コーディング能力において大きな飛躍をもたらし、特に長期的なタスク処理において顕著な改善を実現しています。分単位のインタラクションを中心に構築された従来のモデルとは異なり、GLM-5.1は独立して継続的に作業することができます...

2026/4/7
204,800 トークン

仕様

モダリティ

入力
text
出力
text

サポートされているパラメータ

frequency_penalty
include_reasoning
logit_bias
logprobs
max_tokens
min_p
presence_penalty
reasoning
repetition_penalty
response_format
seed
stop
structured_outputs
temperature
tool_choice
tools
top_k
top_logprobs
top_p

最大出力トークン

128,000

推論設定

既定の動作
思考オン
思考のオフ
可(reasoning.enabled: false)

思考の制御方法と課金を見る

データの取り扱い

プロンプトの保持
不明 — 確認できていません
学習への利用
不明 — 提供元からの申告がありません

「不明」は「問題なし」ではありません。確認できていない、という意味です。

学習の可否は提供元との条件に基づく申告値です。保持の可否は、このモデルが到達しうる実行先すべてについて上流が公表する一覧から判定しています。いずれも推測は含みません。

実測パフォーマンス

応答開始 (p50)1.7s

    FastMetalのゲートウェイ経由で実測した値です(直近30日・応答開始485回)。

    応答開始は最初の応答が返るまで、生成速度は思考トークンを含む出力トークン数から算出しています。実測値であり、性能を保証するものではありません。

    コード例

    curl https://api.fastmetal.ai/v1/chat/completions \
      -H "Content-Type: application/json" \
      -H "Authorization: Bearer YOUR_API_KEY" \
      -d '{
        "model": "glm-5.1",
        "messages": [{"role": "user", "content": "Hello!"}]
      }'

    GLM 5.1の実際の回答

    FastMetal上で実際に記録した、標準プロンプトへの回答です。

    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…

    ## 原因 エラーメッセージ `TypeError: unsupported operand type(s) for *: 'str' and 'int'` は、「文字列型と整数型は掛け算(`*`)できない」というエラーです。 該当コードの以下の部分で、`order["price"]` または `order["quantity"]` のいずれか(または両方)が文字列型として渡されていることが原因です。 ```python total = sum(order["price"] * order["quantity"] for order in orders) ``` データベースからデータを取得する際、カラムの型が数値(INTやDECIMALなど)であっても、使用しているDBドライバ(MySQLdbやpsycopg2など)の設定や、DB側のカラムの定義によっては、Python側で文字列として取得されることがよくあります。 ## 修正方法 計算を行う前に、`order["price"]` と `order["quantity"]` を適切な数値型(`float` や `int`)に変換(キャスト)してから計算するように修正します。 ### 修正後のコード ```python def get_user_orders(user_id): orders = db.query("SELECT price, quantity FROM orders WHERE user_id = %s", user_id) # priceは小数の可能性があるためflo…
    応答時間 14.6秒出力 1620 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…

    ご提示いただいた `fetchAllUsers` 関数を、可読性・パフォーマンス・ベストプラクティスの観点からレビューいたします。 全体的なロジックはシンプルで理解しやすいですが、TypeScriptの型安全性やエラーハンドリング、メモリ効率などの面でいくつか改善の余地があります。 --- ### 1. 型安全性(ベストプラクティス) **問題点:** `any[]` や暗黙の `any` 型が使われており、TypeScriptの利点(型による安全性やエディタの補完)が活かされていません。 **改善案:** APIのレスポンスと、関数の返り値に対して明示的な `interface` または `type` を定義します。 ### 2. エラーハンドリング(ベストプラクティス) **問題点:** `fetch` や `response.json()` が失敗した場合の考慮がありません。ネットワークエラーやAPI側のエラー(4xx, 5xx)が発生した際、意図しない挙動や謎のエラーに繋がります。 **改善案:** `response.ok` をチェックし、エラーの場合は適切に例外をスローするか、ハンドリングを行います。 ### 3. 可読性の向上(可読性) **問題点:** * `for (let i = 0; i < data.users.length; i++)` という古典的なル3項演算子のループは、インデックスアクセスが多く可読性が低いです。 * `let user` と宣言していますが、再代入されていないため `const` を使うべきです。 * `first_n…
    応答時間 104.3秒出力 3444 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…

    500万行のテーブルに対するクエリが30秒以上かかる原因は、単にインデックスが不足しているだけでなく、**SQLの書き方自体に深刻な論理的バグ(ファンアウトによる集計値の歪み)とパフォーマンス問題**が含まれています。 最適化されたクエリと、改善点の詳細な解説を以下に示します。 ### 最適化されたクエリ ```sql WITH order_summary AS ( -- 1. 注文関連は先に商品単位で集計しておく SELECT od.product_id, COUNT(o.order_id) AS order_count, SUM(o.amount) AS total_sales FROM orders o JOIN order_details od ON od.order_id = o.order_id WHERE o.status = '完了' AND o.created_at >= '2024-04-01' GROUP BY od.product_id ), review_summary AS ( -- 2. レビューも先に商品単位で集計しておく SELECT r.product_id, AVG(r.rating) AS avg_rating FROM reviews r GROUP BY r.product_id ) SELECT p.product_name, c.category_name, COALESCE(os.order_count, 0) AS ord…
    応答時間 94.1秒出力 4545 トークン

    他のモデルと並べて比較する →

    よくある質問

    FastMetalでGLM 5.1は使えますか?
    現時点では提供していません。同じ提供元のGLM 4.7はFastMetalのAPIから今すぐ利用できます。
    GLM 5.1のコンテキスト長はどのくらいですか?
    204,800トークンです。プロンプトと回答を合わせてこの範囲に収める必要があります。