Puis-je exécuter Morph V3 Fast localement ?

Non — les poids ne sont pas publics et il n'existe pas de dépôt Hugging Face. Il est disponible uniquement via l'API de Morph.

Quel est le coût et la taille de la fenêtre de contexte ?

Le tarif est de 0,80 $ par million de tokens en entrée et 1,20 $ par million en sortie, avec une fenêtre de contexte de 81 920 tokens.

En quoi est-il différent d'un modèle généraliste de codage comme GPT ou Claude ?

Morph V3 Fast n'est pas un modèle de chat ou de raisonnement — c'est un modèle d'application qui attend une structure de prompt fixe (instruction, code initial, extrait de modification) et est optimisé uniquement pour des transformations de code rapides et précises plutôt que pour une génération ouverte.

Morph V3 Fast

2659°

#llm #morph #programmation #agents #rapide

Lancer ce modèle

Offres / Pub

OpenRouter Terminal / API

Payer par token

Discute avec ce modèle dans le navigateur ou appelle-le depuis ton code avec une clé API.

Morph | contexte de 81 920 tokens | 0,80 $/M entrée, 1,20 $/M sortie. Le modèle d'application le plus rapide de Morph pour les modifications de code. ~10 500 tokens/sec avec 96 % de précision pour des transformations rapides de code. Le modèle requiert que le prompt soit au format suivant : {instruction} {initial_code} {edit_snippet} La rétention zéro de données est activée pour Morph. En savoir plus sur ce modèle dans leur documentationOpens in new tab

Guides pour ce modèle

Poids ouverts vs open source vs API uniquement : ce que tu peux vraiment faire

Les 10 alternatives à ChatGPT les moins chères en 2026 : modèles locaux gratuits, offres gratuites et forfaits à prix fixe

Tous les guides

Notes du capitaine

Écrit par Captain, le rédacteur maison

Notes du 2026-10-13

Morph V3 Fast est un modèle spécialisé d'application de Morph conçu pour une tâche unique : prendre une instruction, un fichier existant et un extrait de modification, puis retourner le code transformé aussi vite que possible. À environ 10 500 tokens par seconde, c'est l'une des options les plus rapides pour les pipelines d'application de modifications de code, et Morph publie un taux de précision de 96 % pour ces transformations. Il convient aux développeurs construisant des outils de codage agentiques ou des couches diff-apply qui privilégient le débit à la capacité de raisonnement généraliste.

Connu pour

Débit d'environ 10 500 tokens/seconde, conçu pour des transformations rapides de code
96 % de précision sur les modifications de code, selon les chiffres publiés par Morph
Format de prompt structuré : instruction + code initial + extrait de modification
Rétention zéro des données activée par défaut
Prix bas par token pour un modèle spécialisé d'application de code

Attention à

Ce n'est pas un modèle de chat ou de raisonnement généraliste ; il attend un format de prompt strict en trois parties sous peine de résultats dégradés.
Poids fermés, API uniquement — pas d'option de déploiement local.
Fenêtre de contexte de 81 920 tokens ; les grandes bases de code peuvent nécessiter un découpage.

Idéal pour

Programmation

Agents et utilisation d'outils

Rapide

Prompts à essayer

Refactoriser une fonction

Instruction : Refactorez la fonction suivante pour utiliser async/await au lieu des chaînes de Promises et ajoutez des commentaires JSDoc. Code initial : function fetchUser(id) { return fetch('/api/users/' + id) .then(res => res.json()) .then(data => data.user) .catch(err => console.error(err)); } Extrait de modification : convertir en async/await avec JSDoc

Corriger un bug sur place

Instruction : Corrigez l'erreur d'indexation dans la boucle pour qu'elle n'ignore pas le dernier élément. Code initial : def sum_list(items): total = 0 for i in range(len(items) - 1): total += items[i] return total Extrait de modification : corriger la plage de la boucle pour inclure l'élément final

Ajouter une gestion d'erreur

Instruction : Ajoutez une gestion d'erreur try/catch à l'appel base de données et lancez une DatabaseError typée si la requête échoue. Code initial : async function getRecord(db, id) { const row = await db.query('SELECT * FROM records WHERE id = ?', [id]); return row[0]; } Extrait de modification : envelopper la requête dans try/catch, lancer DatabaseError en cas d'échec

Comparer avec

Morph V3 Large
Modèle uniquement API
Contexte de 262,144 tokens · entrée $0.90/M, sortie $1.90/M
gpt-oss-20b
Modèle à poids ouverts
Contexte de 131,072 tokens · entrée $0.02/M, sortie $0.09/M
DeepSeek V4.1 Flash
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.04/M, sortie $0.68/M
GLM 5.3 Flash
Modèle à poids ouverts
Contexte de 1,048,576 tokens · entrée $0.02/M, sortie $0.72/M

Plus de modèles de texte de morph

Questions fréquentes

Puis-je exécuter Morph V3 Fast localement ?: Non — les poids ne sont pas publics et il n'existe pas de dépôt Hugging Face. Il est disponible uniquement via l'API de Morph.
Quel est le coût et la taille de la fenêtre de contexte ?: Le tarif est de 0,80 $ par million de tokens en entrée et 1,20 $ par million en sortie, avec une fenêtre de contexte de 81 920 tokens.
En quoi est-il différent d'un modèle généraliste de codage comme GPT ou Claude ?: Morph V3 Fast n'est pas un modèle de chat ou de raisonnement — c'est un modèle d'application qui attend une structure de prompt fixe (instruction, code initial, extrait de modification) et est optimisé uniquement pour des transformations de code rapides et précises plutôt que pour une génération ouverte.

Verdict du capitaine
Si vous construisez un agent de codage et avez besoin d'une couche d'application dédiée et rapide plutôt qu'un autre modèle généraliste, c'est la première étape évidente.

Le capitaine écrit ces notes à partir de la description et de la fiche modèle. Les prix et tailles de contexte sont ceux du fournisseur au moment de la rédaction et peuvent changer.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Comment ce score se calcule

Ce modèle n’a pas encore de données de popularité provenant de sources, donc il porte un nombre de remplacement en dessous de 7,000° pour que les listes restent complètes. Il ne sera jamais mieux classé qu’un modèle avec des données. La répartition apparaît ici dès qu’une source la rapporte.

Glossaire : les termes utilisés ici

Score de chaleur: Un seul chiffre pour montrer à quel point un modèle est utilisé et recherché en ce moment, de 0° à 9 999°. Chaque liste sur ce site qui dit « les plus chauds » est triée selon ce score et rien d’autre.
Plancher: Les 7 000° que chaque modèle avec des données réelles commence avec. L’échelle va de 0° à 9 999° ; la partie sous le plancher est réservée aux remplaçants (modèles sans données), pour qu’un modèle avec données soit toujours mieux classé qu’un sans. Le plancher est le même pour tous et ne décide rien ; les degrés au-dessus sont la mesure.
Équivalents de téléchargement: Tout ce que le score considère comme un téléchargement, additionné : les téléchargements eux-mêmes, chaque seeder torrent comme 1 000, chaque image AI Horde et chaque exécution sur un site de génération comme un.
Échelle logarithmique: On compte par dizaines, pas par unités : passer de 1 000 à 10 000 téléchargements ajoute autant de degrés que passer de 10 000 à 100 000. Ça évite que les géants écrasent tout le reste.
Likes: Les pouces levés et likes de toutes sources, valant chacun la moitié d’un téléchargement sur l’échelle logarithmique.
Taux d’adoption: Combien de téléchargements par jour un modèle obtient en ce moment, calculé à partir de la différence entre deux relevés d’une source. Un quart du poids du terme téléchargement.
Mesuré et estimé: Mesuré signifie qu'il existe deux relevés d'une source et que la différence est réelle. Estimé signifie que seul le total d'aujourd'hui est connu et que le passé est réparti sur la durée de vie du modèle ; le site indique lequel est affiché.
Seeder: Quelqu'un qui garde une copie des poids en ligne pour que d'autres puissent les télécharger via un torrent, ou un miroir hébergé qui fait la même chose. Chacun compte comme 1 000 téléchargements.
AI Horde: Un réseau de bénévoles qui génère des images gratuitement sur des ordinateurs donnés. Le nombre d'images créées avec un modèle est public, et chacune compte comme un téléchargement.
Sites de génération: Sites qui hébergent leurs propres copies d'un modèle et permettent aux gens de générer avec, comme PixAI, SeaArt et Yodayo. Leurs téléchargements comptent comme ceux de Civitai et chaque génération compte comme un téléchargement.
Tokens OpenRouter: Un modèle texte servi via une API, comme Claude ou GPT, n'a pas de poids à télécharger, son usage est donc mesuré en tokens : les morceaux de texte lus et écrits via OpenRouter, une passerelle utilisée par de nombreuses applications, sur les 30 derniers jours. Chaque 10,000,000 tokens compte comme un téléchargement. Source : OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Modèle complet (checkpoint): Les poids eux-mêmes, le fichier qui génère tout seul. Il reçoit un bonus parce que les add-ons en dépendent.
LoRA et embedding: Petits fichiers add-on qui orientent les poids de quelqu'un d'autre vers un style, un personnage ou un concept. Ils ne peuvent pas fonctionner seuls.
Famille et poids: La base sur laquelle un modèle est construit, comme SD 1.5, SDXL, Flux ou Wan. Chaque modèle hérite de la date de sortie des poids de sa famille.
Âge: Degrés retirés selon l'ancienneté des poids de la famille : 150° par an, jusqu'à 750°. Cela garde les anciens téléchargements qui ont eu des années pour s'accumuler en haut de la liste.
Boost de la famille: Une petite poussée limitée pour les LoRA d'une famille que ce site met en avant en ce moment, toujours listée dans la répartition.
Score de remplacement: Un nombre stable en dessous du minimum donné à un modèle dont aucune source ne rapporte encore, pour que les listes restent complètes. Il ne dépasse jamais un modèle avec des données.
Nouveau ! (période de grâce): Un modèle âgé de moins de 7 jours affiche Nouveau ! au lieu d'un score et ne figure pas dans le classement. Son score est calculé dès le premier jour, mais un modèle d'un jour grandit plus vite que tout, donc sans attente le #1 de la semaine serait toujours celui sorti hier plutôt que celui qui tient depuis une semaine.
Tendance: Comment la croissance d'un modèle sur une période se compare à la croissance typique d'un modèle sur la même période. Plus rapide que la moyenne signifie une hausse, plus lente une baisse.
Modèle typique: Le milieu du catalogue : la moitié des modèles avec un chiffre ont grandi plus vite sur la période, l'autre moitié plus lentement.

Modèles similaires

Qwen3 VL 30B A3B Thinking

TEXT / LLM

Nemotron 3 Super

TEXT / LLM

Nemotron 3.5 Super VL

TEXT / LLM

Pareto Code Router

TEXT / LLM

Modèles d'IA pour générer image, vidéo et texte

Morph V3 Fast est un modèle de texte pour la famille Text / LLM, référencé sur ModelTrends.ai, un catalogue en lecture seule de modèles d'IA open source pour l'image, la vidéo et le texte. Comparez-le aux autres modèles Text / LLM et consultez son score de chaleur pour suivre sa tendance.

Plus de modèles Text / LLM Plus de Texte / LLM Text / LLM llm morph programmation agents rapide

Parcourir par famille de modèles