Morph: Morph V3 Large

Morph: Morph V3 Large, Morph का एक टेक्स्ट मॉडल है। इसे जटिल कोड संपादनों के लिए Morph के उच्च सटीकता वाले apply मॉडल के रूप में प्रस्तुत किया गया है, और प्रदाता इसे सटीक कोड रूपांतरणों के लिए लगभग 4,500 टोकन प्रति सेकंड की गति और 98% सटीकता तक पहुँचने वाला बताता है। यह वर्णन बताता है कि मॉडल किसलिए बनाया गया है: एक निर्देश और कोड का एक प्रारंभिक टुकड़ा लेना, फिर संपादित कोड को आउटपुट के रूप में तैयार करना।

मॉडल टेक्स्ट इन, टेक्स्ट आउट है। यह टेक्स्ट प्रॉम्प्ट स्वीकार करता है और टेक्स्ट कम्प्लीशन लौटाता है, जिसमें 262,144 टोकन की कॉन्टेक्स्ट विंडो और 131,072 टोकन का अधिकतम आउटपुट है। यह एक बड़ा कार्यक्षेत्र है, जो तब मायने रखता है जब आप जिस कोड को रूपांतरित कर रहे हैं वह छोटी विंडो में नहीं समाता। एक महत्वपूर्ण बाधा प्रदाता से आती है: प्रॉम्प्ट को एक विशिष्ट संरचना का पालन करना चाहिए, जिसमें एक instruction ब्लॉक और एक code ब्लॉक हो, जिसे निर्देश वाले instruction टैग के बाद प्रारंभिक कोड वाले code टैग के रूप में लिखा जाता है।

चूँकि मॉडल एक apply मॉडल है, सामान्य चैट मॉडल नहीं, व्यावहारिक उपयोग के मामले इसी आकार से निकलते हैं। यह स्वचालित कोड रूपांतरणों, किसी मौजूदा फ़ाइल पर वर्णित परिवर्तन लागू करने, प्राकृतिक भाषा के निर्देश से कोड के अनुभागों को रीफ़ैक्टर या फिर से लिखने, और बैच संपादनों के लिए उपयुक्त है, जहाँ एक ही प्रकार का परिवर्तन कई इनपुट्स पर लगातार लागू करना होता है। बताए गए सटीकता और थ्रूपुट आंकड़े इसे ऐसी पाइपलाइनों के लिए उम्मीदवार बनाते हैं जहाँ कोड संपादन हाथ से टाइप करने के बजाय प्रोग्रामेटिक रूप से उत्पन्न और लागू किए जाते हैं।

आप इसे api14 के OpenAI-compatible API के माध्यम से मॉडल id "morph/morph-v3-large" का उपयोग करके कॉल कर सकते हैं। समर्थित रिक्वेस्ट पैरामीटर हैं logprobs, max_tokens, response_format, stop, structured_outputs, temperature, और top_logprobs। यदि आप मौजूदा कोड पोर्ट कर रहे हैं, तो इसका मतलब है कि सामान्य OpenAI शैली का रिक्वेस्ट बॉडी काम करता है, जिसमें model फ़ील्ड उस id पर सेट होता है, और आप temperature और stop से सैंपलिंग नियंत्रित कर सकते हैं, max_tokens से आउटपुट सीमित कर सकते हैं, और response_format या structured_outputs से प्रतिक्रिया का आकार नियंत्रित कर सकते हैं।

इसे एकीकृत करते समय आवश्यक प्रॉम्प्ट प्रारूप को ध्यान में रखें, क्योंकि instruction और code ब्लॉक इस बात का हिस्सा हैं कि मॉडल का उपयोग कैसे किया जाना चाहिए। यदि आपका कार्य सामान्य बातचीत, खुली रचना, या कोई ऐसी चीज़ है जो कोड संपादन नहीं है, तो एक निश्चित प्रॉम्प्ट संरचना वाले apply मॉडल की तुलना में एक सामान्य प्रयोजन वाला टेक्स्ट मॉडल बेहतर फिट हो सकता है।