Kan jag köra Morph V3 Fast lokalt?

Nej – vikterna är inte offentliga och det finns inget Hugging Face-repo. Den är endast tillgänglig via Morphs API.

Vad kostar det och hur stort är kontextfönstret?

Priset är $0,80 per miljon indata-token och $1,20 per miljon utdata-token, med ett 81 920-token kontextfönster.

Hur skiljer sig denna från en allmän kodningsmodell som GPT eller Claude?

Morph V3 Fast är inte en chatt- eller resonemangsmodell – det är en apply-modell som förväntar sig en fast promptstruktur (instruktion, ursprunglig kod, redigeringsutdrag) och är optimerad för snabba, exakta kodtransformationer snarare än öppen generering.

Morph V3 Fast

2659°

#llm #morph #kodning #agenter #snabb

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Morph | 81,920 token context | $0.80/M input, $1.20/M output. Morphs snabbaste apply-modell för kodändringar. ~10,500 tokens/sek med 96 % noggrannhet för snabba kodtransformationer. Modellen kräver att prompten är i följande format: {instruction} {initial_code} {edit_snippet} Zero Data Retention är aktiverat för Morph. Läs mer om denna modell i deras dokumentationOpens in new tab

Guider för denna modell

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Morph V3 Fast är en specialist apply-modell från Morph byggd för ett jobb: att ta en instruktion, en befintlig fil och ett redigeringsutdrag, och sedan returnera den transformerade koden så snabbt som möjligt. Med ungefär 10 500 token per sekund är den bland de snabbaste alternativen för kodredigeringspipelines, och Morph publicerar en noggrannhet på 96 % för dessa transformationer. Den passar utvecklare som bygger agentiska kodningsverktyg eller diff-apply-lager som behöver genomströmning framför allmänt resonemang.

Känd för

~10 500 token/sek genomströmning, specialbyggd för högfrekventa kodtransformationer
96 % noggrannhet på kodredigeringar enligt Morphs egna siffror
Strukturerat promptformat: instruktion + ursprunglig kod + redigeringsutdrag
Ingen datalagring aktiverad som standard
Lågt tokenpris för en specialiserad kodapply-modell

Se upp för

Inte en allmän chatt- eller resonemangsmodell; den förväntar sig strikt tredelad promptstruktur annars försämras resultatet.
Stängda vikter, endast API – ingen lokal distributionsmöjlighet.
Kontextfönster på 81 920 token; stora kodbaser kan behöva delas upp.

Bäst för

Kodning

Agenter och verktygsanvändning

Snabb

Promptar att prova

Refaktorera en funktion

Instruktion: Refaktorera följande funktion för att använda async/await istället för Promise-kedjor och lägg till JSDoc-kommentarer. Ursprunglig kod: function fetchUser(id) { return fetch('/api/users/' + id) .then(res => res.json()) .then(data => data.user) .catch(err => console.error(err)); } Redigeringsutdrag: konvertera till async/await med JSDoc

Fixa en bugg på plats

Instruktion: Fixa off-by-one-felet i loopen så att den inte hoppar över sista elementet. Ursprunglig kod: def sum_list(items): total = 0 for i in range(len(items) - 1): total += items[i] return total Redigeringsutdrag: korrigera loopens intervall för att inkludera sista elementet

Lägg till felhantering

Instruktion: Lägg till try/catch-felhantering vid databas-anropet och kasta ett typat DatabaseError om frågan misslyckas. Ursprunglig kod: async function getRecord(db, id) { const row = await db.query('SELECT * FROM records WHERE id = ?', [id]); return row[0]; } Redigeringsutdrag: omslut frågan med try/catch, kasta DatabaseError vid fel

Jämför med

Morph V3 Large
Endast API-modell
262,144 tokens kontext · $0.90/M indata, $1.90/M utdata
gpt-oss-20b
Öppen vikt-modell
131,072 tokens kontext · $0.02/M indata, $0.09/M utdata
DeepSeek V4.1 Flash
Öppen vikt-modell
1,048,576 tokens kontext · $0.04/M indata, $0.68/M utdata
GLM 5.3 Flash
Öppen vikt-modell
1,048,576 tokens kontext · $0.02/M indata, $0.72/M utdata

Fler textmodeller från morph

Vanliga frågor

Kan jag köra Morph V3 Fast lokalt?: Nej – vikterna är inte offentliga och det finns inget Hugging Face-repo. Den är endast tillgänglig via Morphs API.
Vad kostar det och hur stort är kontextfönstret?: Priset är $0,80 per miljon indata-token och $1,20 per miljon utdata-token, med ett 81 920-token kontextfönster.
Hur skiljer sig denna från en allmän kodningsmodell som GPT eller Claude?: Morph V3 Fast är inte en chatt- eller resonemangsmodell – det är en apply-modell som förväntar sig en fast promptstruktur (instruktion, ursprunglig kod, redigeringsutdrag) och är optimerad för snabba, exakta kodtransformationer snarare än öppen generering.

Kaptens omdöme
Om du bygger en kodningsagent och behöver ett dedikerat, snabbt apply-lager snarare än en allmän modell är detta det självklara första stoppet.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

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

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

GPT 5.2 Codex

TEXT / LLM

MiMo V2.6 Pro UltraSpeed

TEXT / LLM

Llama 3.1 70B Instruct

TEXT / LLM

Extract

TEXT / LLM

AI-modeller för bild-, video- och textgenerering

Morph V3 Fast är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm morph kodning agenter snabb

Bläddra efter modellfamilj