Morph V3 Fast
2659°
Modell ausführen
Angebote / Werbung
Morph | 81.920 Token Kontext | $0,80/M Eingabe, $1,20/M Ausgabe. Morphs schnellstes Apply-Modell für Code-Änderungen. ~10.500 Token/Sekunde mit 96 % Genauigkeit für schnelle Code-Transformationen. Das Modell erfordert, dass der Prompt im folgenden Format vorliegt: {instruction} {initial_code} {edit_snippet} Zero Data Retention ist für Morph aktiviert. Mehr über dieses Modell in deren DokumentationOpens in new tab
Anleitungen zu diesem Modell
Offene Gewichte vs. Open Source vs. Nur API: Was du wirklich darfst
Die 10 günstigsten ChatGPT-Alternativen 2026: kostenlose lokale Modelle, Gratis-Stufen und Flatrate-Tarife
Captain's Notizen
Notizen vom 2026-10-13
Morph V3 Fast ist ein spezialisiertes Apply-Modell von Morph, das für eine einzige Aufgabe entwickelt wurde: eine Anweisung, eine bestehende Datei und einen Edit-Schnipsel zu nehmen und den transformierten Code so schnell wie möglich zurückzugeben. Mit etwa 10.500 Tokens pro Sekunde gehört es zu den schnellsten Optionen für Code-Edit-Pipelines, und Morph veröffentlicht eine Genauigkeit von 96 % für diese Transformationen. Es eignet sich für Entwickler, die agentische Codierungswerkzeuge oder Diff-Apply-Schichten bauen und Durchsatz über allgemeines Reasoning stellen.
Bekannt für
- ~10.500 Tokens/Sekunde Durchsatz, speziell für Hochgeschwindigkeits-Code-Transformationen entwickelt
- 96 % Genauigkeit bei Code-Edits laut Morphs eigener Angabe
- Strukturiertes Prompt-Format: Anweisung + Ausgangscode + Edit-Schnipsel
- Standardmäßig aktivierte Null-Daten-Retention
- Günstiger Token-Preis für ein spezialisiertes Coding-Apply-Modell
Achte auf
- Kein allgemeines Chat- oder Reasoning-Modell; erwartet ein striktes dreiteiliges Prompt-Format, sonst leidet das Ergebnis.
- Geschlossene Gewichte, nur API-Zugang — keine lokale Bereitstellung möglich.
- Kontextfenster von 81.920 Tokens; große Codebasen müssen ggf. in Teile zerlegt werden.
Am besten für
Prompts zum Ausprobieren
Funktion refaktorisieren
Anweisung: Refaktoriere die folgende Funktion, um async/await anstelle von Promise-Ketten zu verwenden und füge JSDoc-Kommentare hinzu.
Ausgangscode:
function fetchUser(id) {
return fetch('/api/users/' + id)
.then(res => res.json())
.then(data => data.user)
.catch(err => console.error(err));
}
Edit-Schnipsel: Umwandlung zu async/await mit JSDoc
Bug direkt beheben
Anweisung: Behebe den Off-by-One-Fehler in der Schleife, sodass das letzte Element nicht übersprungen wird.
Ausgangscode:
def sum_list(items):
total = 0
for i in range(len(items) - 1):
total += items[i]
return total
Edit-Schnipsel: Korrigiere den Schleifenbereich, um das letzte Element einzuschließen
Fehlerbehandlung hinzufügen
Anweisung: Füge try/catch-Fehlerbehandlung zum Datenbankaufruf hinzu und werfe bei einem Fehler eine typisierte DatabaseError.
Ausgangscode:
async function getRecord(db, id) {
const row = await db.query('SELECT * FROM records WHERE id = ?', [id]);
return row[0];
}
Edit-Schnipsel: Umhülle die Abfrage mit try/catch, werfe DatabaseError bei Fehler
Vergleichen mit
- Morph V3 LargeNur API-Modell262,144 Token Kontext · $0.90/M Eingabe, $1.90/M Ausgabe
- gpt-oss-20bModell mit offenen Gewichten131,072 Token Kontext · $0.02/M Eingabe, $0.09/M Ausgabe
- DeepSeek V4.1 FlashModell mit offenen Gewichten1,048,576 Token Kontext · $0.04/M Eingabe, $0.68/M Ausgabe
- GLM 5.3 FlashModell mit offenen Gewichten1,048,576 Token Kontext · $0.02/M Eingabe, $0.72/M Ausgabe
Mehr Textmodelle von morph
Häufig gestellte Fragen
- Kann ich Morph V3 Fast lokal ausführen?
- Nein — die Gewichte sind nicht öffentlich und es gibt kein Hugging Face-Repository. Es ist nur über Morphs API verfügbar.
- Was kostet es und wie groß ist der Kontext?
- Die Preise liegen bei 0,80 $ pro Million Eingabetokens und 1,20 $ pro Million Ausgabetokens, mit einem Kontextfenster von 81.920 Tokens.
- Worin unterscheidet es sich von allgemeinen Coding-Modellen wie GPT oder Claude?
- Morph V3 Fast ist kein Chat- oder Reasoning-Modell — es ist ein Apply-Modell, das eine feste Prompt-Struktur (Anweisung, Ausgangscode, Edit-Schnipsel) erwartet und rein für schnelle, präzise Code-Transformationen optimiert ist, nicht für offene Generierung.
Captain's UrteilWenn Sie einen Coding-Agenten bauen und eine dedizierte, schnelle Apply-Schicht statt eines weiteren allgemeinen Modells benötigen, ist dies die naheliegende erste Wahl.
Der Captain schreibt diese Notizen basierend auf der Beschreibung und Model Card des Modells. Preise und Kontextgrößen sind vom Anbieter zum Zeitpunkt der Erstellung und können sich ändern.
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.
Wie sich dieser Wert zusammensetzt
Dieses Modell hat noch keine Popularitätsdaten von irgendeiner Quelle, daher trägt es eine Platzhalterzahl unterhalb von 7,000°, damit die Listen vollständig bleiben. Es rangiert niemals über einem Modell mit Daten. Die Aufschlüsselung erscheint hier, sobald eine Quelle sie meldet.
Glossar: die hier verwendeten Begriffe
- Heat-Score
- Eine Zahl dafür, wie viel ein Modell gerade genutzt und gewollt wird, von 0° bis 9.999°. Jede Liste auf dieser Seite, die „heißeste“ sagt, ist danach sortiert und nach nichts anderem.
- Grundwert
- Die 7.000°, mit denen jedes Modell mit echten Daten startet. Die Skala reicht von 0° bis 9.999°; der Bereich unter dem Grundwert ist für Platzhalter reserviert (Modelle ohne Daten), damit ein Modell mit Daten immer über einem ohne steht. Der Grundwert ist für alle gleich und entscheidet nichts; die Grade darüber sind die Messung.
- Download-Äquivalente
- Alles, was der Score als Download zählt, zusammengefasst: Downloads selbst, jeder Torrent-Seeder als 1.000, jedes AI Horde-Bild und jeder Lauf auf einer Generierungsseite als eins.
- Logarithmische Skala
- Gezählt in Zehnerschritten, nicht einzeln: Der Sprung von 1.000 auf 10.000 Downloads bringt genauso viele Grade wie von 10.000 auf 100.000. So verdrängen Riesen nicht alles andere.
- Likes
- Daumen hoch und Likes von allen Quellen, jeweils halb so viel wert wie ein Download auf der Log-Skala.
- Verbreitungsrate
- Wie viele Downloads ein Modell gerade pro Tag bekommt, aus dem Unterschied zwischen zwei Messungen einer Quelle. Ein Viertel der Gewichtung des Download-Begriffs.
- Gemessen und geschätzt
- Gemessen bedeutet, dass es zwei Messwerte einer Quelle gibt und der Unterschied echt ist. Geschätzt heißt, es ist nur die heutige Gesamtsumme bekannt und die Vergangenheit wird über die Lebensdauer des Modells verteilt; die Seite sagt, welche Variante angezeigt wird.
- Seeder
- Jemand, der eine Kopie der Gewichte online hält, damit andere sie über einen Torrent herunterladen können, oder ein gehosteter Spiegel, der dasselbe macht. Jeder davon zählt als 1.000 Downloads.
- AI Horde
- Ein Freiwilligennetzwerk, das kostenlos Bilder auf gespendeten Computern generiert. Die Anzahl der Bilder, die es mit einem Modell erstellt hat, ist öffentlich und jedes zählt als ein Download.
- Generierungsseiten
- Seiten, die eigene Kopien eines Modells hosten und Leute damit generieren lassen, wie PixAI, SeaArt und Yodayo. Ihre Downloads zählen wie bei Civitai und jeder Generierungslauf als ein Download.
- OpenRouter Tokens
- Ein Textmodell, das über eine API bereitgestellt wird, wie Claude oder GPT, hat keine Gewichte zum Herunterladen, daher wird seine Nutzung in Tokens gemessen: die Textstücke, die es über OpenRouter gelesen und geschrieben hat, einem Gateway, das viele Apps nutzen, in den letzten 30 Tagen. Je 10,000,000 Tokens zählen als ein Download. Quelle: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
- Vollständiges Modell (Checkpoint)
- Die Gewichte selbst, die Datei, die eigenständig generiert. Sie bekommt einen Bonus, weil Add-ons davon abhängen.
- LoRA und Embedding
- Kleine Zusatzdateien, die die Gewichte von jemand anderem in Richtung eines Stils, Charakters oder Konzepts lenken. Sie können nicht alleine laufen.
- Familie und Gewichte
- Die Basis, auf der ein Modell aufgebaut ist, wie SD 1.5, SDXL, Flux oder Wan. Jedes Modell erbt das Veröffentlichungsdatum der Gewichte seiner Familie.
- Alter
- Abzüge je nachdem, wie lange die Gewichte der Familie schon draußen sind: 150° pro Jahr, bis zu 750°. Alte Downloads, die Jahre zum Ansammeln hatten, bleiben oben in der Liste eingefroren.
- Familien-Boost
- Ein kleiner, begrenzter Schub für LoRAs einer Familie, die diese Seite gerade vorantreibt, immer in der Aufschlüsselung aufgeführt.
- Stand-in-Wert
- Eine stabile Zahl unter der Mindestgrenze, die einem Modell gegeben wird, über das noch keine Quelle berichtet hat, damit die Listen vollständig bleiben. Sie rangiert nie über einem Modell mit Daten.
- Neu! (Schonfrist)
- Ein Modell, das weniger als 7 Tage alt ist, zeigt Neu! statt einer Punktzahl und nimmt keinen Platz in den Rankings ein. Seine Punktzahl wird ab dem ersten Tag berechnet, aber ein Modell, das einen Tag alt ist, wächst schneller als alles andere, daher wäre ohne die Wartezeit das #1 Modell der Woche immer das, das gestern herauskam, statt das, das sich eine Woche gehalten hat.
- Trend
- Wie das Wachstum eines Modells über einen Zeitraum im Vergleich zum typischen Wachstum eines Modells im gleichen Zeitraum ist. Schneller als üblich bedeutet Anstieg, langsamer bedeutet Rückgang.
- Typisches Modell
- Die Mitte des Katalogs: Die Hälfte der Modelle mit einer Zahl wuchs schneller im Zeitraum, die andere Hälfte langsamer.
Morph V3 Fast ist ein Textmodell für die Familie Text / LLM und wird auf ModelTrends.ai gelistet, einem reinen Lesekatalog für Open-Source-KI-Modelle für Bild, Video und Text. Vergleiche es mit anderen Text / LLM-Modellen und prüfe den Hitzewert, um den Trend zu sehen.
Nach Modellfamilie stöbern
Text / LLM-Modelle
434
Anima-Modelle
528
Chroma-Modelle
19
Fibo-Modelle
2
Flux-Modelle
1,496
Flux 2 / Klein-Modelle
1,239
Flux 3-Modelle
3
Moss-Modelle
3
Iris-Modelle
1
MiniMax H3-Modelle
364
Hunyuan-Modelle
204
Ideogram-Modelle
20
Krea2-Modelle
717
Qwen-Modelle
20
Qwen2-Modelle
47
Ltx2-Modelle
153