Bisakah saya menjalankan Relace Apply 3 secara lokal?

Tidak — ini model bobot tertutup, hanya API. Tidak ada bobot publik dan tidak ada repositori Hugging Face.

Berapa biaya dan seberapa besar konteksnya?

Relace Apply 3 berbiaya $0,85 per juta token input dan $1,25 per juta token output, dengan jendela konteks 256.000 token.

Apa bedanya dengan hanya meminta Claude atau GPT-4o mengedit kode saya?

Relace Apply 3 bukan model penalaran — ia mengambil potongan edit yang sudah dibuat model lain dan menggabungkannya ke file sumber dengan cepat, berperan sebagai pengaplikasi cepat dan murah dalam pipeline dua langkah.

Relace Apply 3

3445°

#llm #relace #pemrograman #cepat #anggaran

Jalankan model ini

Penawaran / Iklan

OpenRouter Terminal / API

Bayar per token

Ngobrol dengan model ini di browser atau panggil dari kode kamu dengan satu API key.

Relace | konteks 256.000 token | $0,85/M input, $1,25/M output. Relace Apply 3 adalah LLM patching kode khusus yang menggabungkan edit yang disarankan AI langsung ke file sumber Anda. Model ini dapat menerapkan pembaruan dari GPT-4o, Claude, dan lainnya ke file Anda dengan kecepatan rata-rata 10.000 token/detik. Model mengharuskan prompt dalam format berikut: {instruction} {initial_code} {edit_snippet} Zero Data Retention diaktifkan untuk Relace. Pelajari lebih lanjut tentang model ini di dokumentasi merekaOpens in new tab

Panduan untuk model ini

Bobot terbuka vs sumber terbuka vs hanya API: apa yang sebenarnya boleh kamu lakukan

10 Alternatif ChatGPT Termurah di 2026: model lokal gratis, tingkat gratis, dan paket tarif tetap

Semua panduan

Catatan Kapten

Ditulis oleh Captain, editor rumah

Catatan dari 2026-10-13

Relace Apply 3 adalah model dengan bobot tertutup dari Relace yang dibuat untuk satu tugas: mengambil saran kode yang dihasilkan AI dan menggabungkannya dengan bersih ke dalam file sumber Anda yang sudah ada. Menerima edit dari GPT-4o, Claude, dan model lain serta menerapkannya dengan kecepatan sekitar 10.000 token per detik. Jika alur kerja Anda melibatkan model frontier untuk penalaran dan pengaplikasi cepat serta murah untuk penulisan file, ini dibuat untuk pembagian tugas itu.

Dikenal untuk

Menerapkan edit kode yang disarankan AI langsung ke file sumber dengan kecepatan ~10.000 token/detik
Bekerja dengan saran dari GPT-4o, Claude, dan model hulu lain
Jendela konteks 256.000 token menangani file besar dan patch multi-file
Kebijakan tanpa penyimpanan data — kode Anda tidak disimpan
Harga di bawah $1,25/M output, membuat patch volume tinggi terjangkau

Waspadai

Bobot tertutup, hanya API — tidak bisa dijalankan lokal atau diperiksa modelnya
Memerlukan format prompt ketat: instruksi, kode awal, lalu potongan edit — menyimpang akan gagal
Tujuan tunggal: bukan asisten coding umum, model penalaran, atau model chat

Terbaik untuk

Pemrograman

Cepat

Anggaran

Prompt untuk dicoba

Terapkan saran refaktor

Refaktor fungsi berikut untuk menggunakan async/await menggantikan callback. def fetch_data(url, callback): response = requests.get(url) callback(response.json()) async def fetch_data(url): async with aiohttp.ClientSession() as session: async with session.get(url) as response: return await response.json()

Patch perbaikan bug ke kode

Perbaiki kesalahan off-by-one pada loop. for i in range(0, len(items) - 1): process(items[i]) for i in range(0, len(items)): process(items[i])

Tambahkan penanganan error ke fungsi

Tambahkan penanganan error try/except di sekitar operasi baca file. def read_config(path): with open(path) as f: return json.load(f) def read_config(path): try: with open(path) as f: return json.load(f) except (FileNotFoundError, json.JSONDecodeError) as e: raise RuntimeError(f'Gagal membaca konfigurasi: {e}')

Bandingkan dengan

Kokoro-82M
Model dengan bobot terbuka
Mistral 7B Instruct v0.2
Model dengan bobot terbuka
konteks 32,768 token · $0.06/M input, $0.06/M output
Mistral Small 3.2 24B Instruct 2506
Model dengan bobot terbuka
konteks 128,000 token · $0.07/M input, $0.20/M output
DeepSeek V3
Model dengan bobot terbuka
konteks 163,840 token · $0.32/M input, $0.89/M output

Model teks lain dari relace

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Relace Apply 3 secara lokal?: Tidak — ini model bobot tertutup, hanya API. Tidak ada bobot publik dan tidak ada repositori Hugging Face.
Berapa biaya dan seberapa besar konteksnya?: Relace Apply 3 berbiaya $0,85 per juta token input dan $1,25 per juta token output, dengan jendela konteks 256.000 token.
Apa bedanya dengan hanya meminta Claude atau GPT-4o mengedit kode saya?: Relace Apply 3 bukan model penalaran — ia mengambil potongan edit yang sudah dibuat model lain dan menggabungkannya ke file sumber dengan cepat, berperan sebagai pengaplikasi cepat dan murah dalam pipeline dua langkah.

Putusan Kapten
Alat sempit yang melakukan satu hal dengan baik: jika Anda sudah punya diff yang dihasilkan AI, ini menerapkannya dengan cepat dan murah.

Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.

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

Bagaimana skor ini dihitung

Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.

Glosarium: istilah yang dipakai di sini

Skor heat: Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai: 7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan: Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log: Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka: Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi: Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan: Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder: Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde: Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi: Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter: Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint): Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding: File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot: Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia: Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga: Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti: Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang): Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren: Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa: Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.

Model Serupa

Model AI untuk Pembuatan Gambar, Video & Teks

Relace Apply 3 adalah model teks untuk keluarga Text / LLM yang tercantum di ModelTrends.ai, katalog hanya-baca untuk model AI gambar, video, dan teks open source. Bandingkan dengan model Text / LLM lainnya dan lihat skor popularitasnya untuk mengetahui trennya.

Model Text / LLM lainnya Teks / LLM Text / LLM lainnya llm relace pemrograman cepat anggaran

Jelajahi berdasarkan Keluarga Model