コンテンツへスキップ
アルファ版
  • モデル
  • ランキング
  • Ori
営業担当に相談

フッター

OpenRouterOpenRouter
© 2026 OpenRouter, Inc

製品

  • チャット
  • ランキング
  • ベンチマーク
  • アプリ
  • 見つける
  • モデル
  • Ori
  • コレクション
  • プロバイダー
  • ツール
  • 料金
  • Business
  • Enterprise
  • ラボ

会社情報

  • 概要
  • ブログ
  • お客様
  • 採用情報
    採用情報
  • プライバシー
  • 利用規約
  • トラストセンター
  • サポート
  • OR 対応
  • データ
  • ブランド

開発者

  • ドキュメント
  • API リファレンス
  • 開発者プラットフォーム
  • ステータス
  • AI サイトマップ

接続

  • Discord
  • GitHub
  • LinkedIn
  • X
  • YouTube
morph のファビコン

Morph: Morph V3 Large

morph/morph-v3-large

比較

Morph's high-accuracy apply model for complex code edits. ~4,500 tokens/sec with 98% accuracy for precise code transformations.

The model requires the prompt to be in the following format: <instruction>{instruction}</instruction> <code>{initial_code}</code> <update>{edit_snippet}</update>

Zero Data Retention is enabled for Morph. Learn more about this model in their documentationOpens in new tab

モダリティ
入力 / 出力料金
$0.90 / $1.901M あたり
コンテキスト
262K
公開日
2025年7月7日
比較
プロバイダー料金パフォーマンス稼働率アプリアクティビティよくある質問探索

プロバイダー

このモデルは 1 社のプロバイダーがホストしています。OpenRouter はすべてのリクエストをそのプロバイダーに直接転送するため、ルーティングの判断は不要です。

料金

プロバイダーが提示する価格と並べて、このモデルに対して顧客が実際に支払う平均価格を表示しています。キャッシュと割引により、実際の支払価格は表示価格を大幅に下回ることがよくあります。

パフォーマンス

スループットはモデルが出力する速さです（毎秒のトークン数で、数値が高いほど優れています）。レイテンシは往復にかかる合計時間です（短いほど優れています）。TTFT は最初のトークンが出力されるまでの時間、つまり何かが表示され始めるまでの時間です（短いほど優れています）。

稼働率

稼働率は、過去 3 日間に少なくとも一社のプロバイダーがリクエストに応答していた時間の割合です。可用性は、推論が正常に提供された時間の割合です。OpenRouter は継続的に監視し、プロバイダーがエラーを返すと、次に最適なプロバイダーを使用します。

アプリ

このモデルに最も多くのトラフィックを送信している公開アプリです。実際の本番ワークロードを把握するための有力な指標であり、このモデルに最も適したユースケースを知る手がかりにもなります。

アクティビティ

このモデルのトークン量とリクエストトラフィックの経時変化です。

API

このモデルを呼び出すために、そのまま使えるコードです。OpenRouter の API は OpenAI 互換のため、ほとんどの SDK はベース URL を変更するだけで動作します。モデル間で変わるのは、下記のモデルスラッグだけです。

現在、EU 域内ルーティングでは利用できません。 リージョン内ルーティングのドキュメント

さらにモデルを探す

AI モデルランキングランキング
レイテンシ / スループット
$0.90$1.900.41s2,560 tps
100.00%
スループット
2560トークン/秒

P50、プロバイダー全体での最良値

レイテンシ
0.41秒

P50、最適なプロバイダー

稼働率（3 日間）モデルに接続できました。リクエストはプロバイダーにルーティングされました。
100.00%
可用性（3 日間）モデルがいずれかのプロバイダーから推論結果を返しました。エラーと空のレスポンスはマイナスとして集計されます。
99.94%

過去 3 日間の可用性

過去 72 時間
可用性 99.94%
3 日前2 日前昨日現在

過去 24 時間の可用性

OpenRouter Availability
99.90%

上流のプロバイダーでエラーが発生した場合、リクエストフィルターが許可していれば、別の正常なプロバイダーにルーティングして復旧できます。プロバイダーごとの稼働率データにプログラムでアクセスするには Endpoints APIを利用できます。詳しくは、 負荷分散とプロバイダールーティングのオプションをご覧ください。

1.
https://teamily.ai/ のファビコン
Teamily AI
新着
96.5Mトークン
2.
https://omp.sh/ のファビコン
omp
新着
17.9Mトークン
3.
https://clon.local/ のファビコン
CLON
新着
5.76Mトークン
4.
https://ubby.ai/ のファビコン
Ubby AI
新着
3.89Mトークン
5.
https://dobby.now/ のファビコン
Dobby
新着
924Kトークン

よくある質問

Morph's high-accuracy apply model for complex code edits. ~4,500 tokens/sec with 98% accuracy for precise code transformations. The model requires the prompt to be in the following format: <instruction>{instruction}</instruction> <code>{initial_code}</code> <update>{edit_snippet}</update> Zero Data Retention is enabled for Morph. Learn more about this model in their documentation

Morph V3 Large の料金は $0.90/M 入力トークン と $1.90/M 出力トークン です。

Morph V3 Large のコンテキストウィンドウは 262,144 トークンです。最大 131,072 トークンの補完に対応しています。

いいえ。Morph V3 Large は tools を受け付けないため、関数呼び出しは利用できません。 response_format の JSON スキーマによる構造化出力にも対応しています。

Morph V3 Fast は、Morph による別の テキスト モデルです。

Morph V3 Large は 2025年7月7日 にリリースされました。

その他のモデル：提供元 morph

Morph V3 Fast

Morph's fastest apply model for code edits. ~10,500 tokens/sec with 96% accuracy for rapid code transformations.

The model requires the prompt to be in the following format: <instruction>{instruction}</instruction> <code>{initial_code}</code> <update>{edit_snippet}</update>

Zero Data Retention is enabled for Morph. Learn more about this model in their documentation

テキスト262K コンテキスト$0.80 / $1.20
Fast Apply

Morph Apply is a specialized code-patching LLM that merges AI-suggested edits straight into your source files. It can apply updates from GPT-4o, Claude, and others into your files at 4000+ tokens per second.

The model requires the prompt to be in the following format: <code>${originalCode}</code>\n<update>${updateSnippet}</update>

Learn more about this model in their documentation

テキスト32K コンテキスト