Morph: Morph V3 Large

Morph: Morph V3 Large adalah model teks dari Morph. Model ini dipresentasikan sebagai model apply akurasi tinggi milik Morph untuk pengeditan kode yang kompleks, dan penyedia mendeskripsikannya mencapai sekitar 4.500 token per detik dengan akurasi 98% untuk transformasi kode yang presisi. Kerangka tersebut memberi tahu Anda untuk apa model ini dibangun: menerima instruksi dan potongan kode awal, lalu menghasilkan kode yang telah diedit sebagai output.

Model ini bersifat teks masuk, teks keluar. Model ini menerima prompt teks dan mengembalikan completion teks, dengan context window 262.144 token dan output maksimum 131.072 token. Itu adalah ruang kerja yang besar, yang penting ketika kode yang Anda transformasikan tidak muat dalam window kecil. Satu batasan penting datang dari penyedia: prompt harus mengikuti struktur tertentu, dengan blok instruksi dan blok kode, ditulis sebagai tag instruction yang berisi instruksi diikuti oleh tag code yang berisi kode awal.

Karena model ini adalah model apply dan bukan model chat umum, kasus penggunaan praktisnya mengikuti bentuk tersebut. Model ini cocok untuk transformasi kode otomatis, menerapkan perubahan yang dideskripsikan ke file yang sudah ada, refactoring atau menulis ulang bagian kode dari instruksi bahasa alami, dan pengeditan batch di mana jenis perubahan yang sama harus diterapkan secara konsisten di banyak input. Angka akurasi dan throughput yang dinyatakan menjadikannya kandidat untuk pipeline di mana pengeditan kode dihasilkan dan diterapkan secara programatik alih-alih diketik dengan tangan.

Anda dapat memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "morph/morph-v3-large". Parameter request yang didukung adalah logprobs, max_tokens, response_format, stop, structured_outputs, temperature, dan top_logprobs. Jika Anda mem-porting kode yang sudah ada, itu berarti body request bergaya OpenAI yang biasa dapat digunakan, dengan field model diatur ke id tersebut, dan Anda dapat mengontrol sampling dengan temperature dan stop, membatasi output dengan max_tokens, serta membatasi bentuk respons dengan response_format atau structured_outputs.

Ingatlah format prompt yang diperlukan saat Anda mengintegrasikannya, karena blok instruksi dan kode adalah bagian dari cara model ini dimaksudkan untuk digunakan. Jika tugas Anda adalah percakapan umum, penulisan terbuka, atau apa pun yang bukan pengeditan kode, model teks serbaguna mungkin lebih cocok daripada model apply dengan struktur prompt yang tetap.