- Morph est un éditeur de code basé sur l’IA qui propose une fonctionnalité de modification rapide du code, capable d’appliquer plus de 4 500 tokens par seconde sur de larges bases de code
- Les développeurs peuvent réduire leur temps de travail sur les tâches répétitives ou les changements à grande échelle grâce à la vitesse de traitement de l’IA
- Contrairement aux outils existants, sa structure permet une application efficace sans surcharge de traitement, même sur de grands projets
Principales caractéristiques
- Prise en charge de 4 500 tokens/s : Morph peut appliquer rapidement des modifications d’édition IA à du code accumulé grâce à son haut débit de traitement
- Simplicité d’utilisation : une interface centrée sur l’utilisateur et un workflow intuitif réduisent la barrière d’entrée de l’édition de code basée sur l’IA
- Polyvalence : offre une extensibilité permettant une application large à divers langages de programmation et frameworks
Cas d’usage et effets attendus
- Grande efficacité pour le refactoring de code, le renommage de variables, l’ajout groupé de commentaires et l’automatisation des correctifs de sécurité
- Des gains de temps et de coûts sont attendus pour les entreprises et startups disposant de bases de code volumineuses
1 commentaires
Avis Hacker News
Je ne suis pas vraiment d’accord avec l’idée que, dans l’expérience développeur, la vitesse brute d’inférence compte moins que la précision. Si les utilisateurs acceptent un nombre de tok/sec bien plus faible pour préférer des modèles plus gros, c’est au final parce que la qualité du code reste le premier critère. Sur de grosses modifications de code (par ex. 5a0000 tokens), une latence de 200 à 300 ms n’a pas beaucoup d’importance. Le vrai goulot d’étranglement n’est pas tant la vitesse d’édition que la qualité. Si gagner 200 ms sur un changement de code passe avant la qualité, je n’adhère pas du tout à cette logique. Avec 1 ou 2 agents en parallèle, la plupart des corrections sont déjà terminées pendant que je relis le code. Je serais curieux de connaître vos critères de mesure de la qualité, ainsi que l’écart de taux d’erreur entre les modèles rapides et les grands modèles
J’ai l’impression qu’une hausse d’environ 50 % de la vitesse d’inférence apporte bien plus de valeur à mon flux de travail qu’une amélioration de la précision de quelques points. De toute façon, je dois vérifier moi-même les changements, donc un cycle d’itération plus rapide me semble préférable. En revanche, si la précision devient suffisamment bonne pour que je doive moins vérifier, ou moins souvent, alors l’avantage de la vitesse d’inférence perd presque toute importance
Entièrement d’accord. Après qu’un modèle d’IA a proposé une modification de code, la toute première étape est toujours de relire soigneusement le résultat. Dans la plupart des cas, à cause d’un contexte manquant dans le prompt ou de certains tokens spécifiques, le code finit souvent dupliqué ou généré de manière aberrante. Appliquer les changements en bloc rend le débogage plus difficile, et plus ce type d’insertion massive de code s’accumule, plus le code risque de se dégrader beaucoup plus vite qu’on ne l’imagine
Si j’ai bien compris, on ne parle pas simplement de ±300 ms, mais d’un écart énorme, du genre 300 ms contre 10 secondes. L’attente de réponse de ces grands modèles est clairement une contrainte pour moi. En plus, j’ai le sentiment que cela consomme inutilement des ressources pour ce genre de tâches simples. En réalité, appliquer intelligemment des modifications de code me semble être un domaine que les environnements de programmation existants peuvent déjà traiter correctement. Je me demande vraiment si c’est à ce point une tâche difficile qu’elle nécessite absolument un LLM
On dirait que, pour toi, le temps de revue est le véritable goulot d’étranglement. Je travaille justement en ce moment sur une fonctionnalité qui aide à relire beaucoup plus vite les résultats produits par des agents de code. Si tu as un peu de temps, j’aimerais bien discuter plus en détail de ton workflow. N’hésite pas à me contacter en commentaire ou via les coordonnées de mon profil
À mon avis, le plus important est que le développeur reste en état de flow. Les erreurs comme la latence cassent toutes deux cette concentration. En fin de compte, en programmation, la qualité (la justesse) reste le facteur le plus important. Pour évaluer la qualité, nous utilisons principalement deux critères. Premièrement, les performances de bout en bout sur toute la chaîne, depuis la requête utilisateur jusqu’à l’accomplissement de la tâche (un bench de style aider) ; deuxièmement, la précision d’application (problèmes de grammaire/syntaxe, diff au niveau caractère, etc.). L’écart de taux d’erreur entre grands modèles et modèles rapides est d’environ 2 %. Pour des langages complexes ou difficiles, les grands modèles sont plus adaptés, et il existe aussi une option de routage automatique vers le modèle le plus approprié selon la tâche
J’ai essayé microsoft copilot, et je l’ai trouvé beaucoup trop lent et peu pratique, surtout à l’étape d’application du code. Je trouve étrange qu’un acteur aussi bien doté en ressources n’ait pas réussi à mieux entraîner le modèle. Demande : j’aimerais que le prompt système permettant à un LLM de générer le meilleur format de diff possible soit inclus dans la documentation officielle. Avec chaque mise à jour de LLM, le format de diff change souvent, donc on doit toujours deviner quel format est optimal, ce qui est pénible. En plus, je ne comprends pas clairement la politique de confidentialité ; si j’interprète bien le texte, cela veut-il dire que même les utilisateurs payants voient leurs données stockées/utilisées pour l’entraînement ? J’aimerais savoir comment payer simplement le service (sans appel) tout en évitant que mes données servent à l’entraînement. Je me réfère à la Morph Privacy Policy
L’option ZDR (Zero Data Retention) est également possible. Il suffit d’envoyer un mail à info@morphllm.com et nous l’activerons. Si vous utilisez Morph via OpenRouter, c’est toujours en Zero Data Retention
La demande du type « n’entraînez pas le modèle sur mes données » me paraît un peu absurde. Le principe même de ces modèles, c’est qu’ils ont été entraînés sur le code des autres. Utiliser ce type d’outil tout en refusant que ses propres données servent à l’entraînement, c’est au fond une position assez égoïste, proche d’un dilemme d’intérêt collectif. C’est aussi comme ça que les modèles s’améliorent
J’ai repris tel quel l’exemple HTML présenté dans la démo officielle sur https://morphllm.com/dashboard/playground/apply, et sans demander aucune modification, du CSS a été ajouté et une section contact est même apparue. Rien de tout cela ne figurait dans les instructions de mise à jour
Côté coût, j’ai l’impression que Morph est nettement plus cher que Gemini Flash. Gemini flash est déjà assez bon pour la génération de code, et une IA qui applique rapidement les edits est intéressante, mais le niveau de prix n’est pas anodin. Par exemple, Morph v3 fast coûte $1.20/M tokens en entrée et $2.70/M tokens en sortie, alors que Gemini 2.5 Flash coûte $0.30/M tokens en entrée et $2.50/M tokens en sortie (source : OpenRouter)
Je pose la question au cas où il y aurait confusion : est-ce que Morph est un outil qui « applique » les résultats d’autres LLM, plutôt qu’un LLM en soi ? Autrement dit, les 4a0500 tokens par seconde correspondent-ils à l’application et non à la génération ?
Très impressionnant. Je cherche justement ce type de solution pour un système interne de coding assisté par IA ; je serais curieux de savoir en quoi cela diffère de projets open source comme Osmosis Apply 1.7B. En partant du principe que le modèle Morph n’est ni open source ni open weight
Je n’avais pas vu Morph sur OpenRouter auparavant, mais il semble maintenant y être. En revanche, le modèle enregistré a l’air d’être une ancienne version ? Avez-vous l’intention de le supporter plus activement ? Et je serais aussi intéressé par des benchmarks comparant le modèle fast apply à Relace ou à Llama/Cerebras en termes de performances, surtout sur la précision
La puissance de Hacker News est impressionnante ! Les nouveaux modèles y sont désormais aussi enregistrés
Actuellement, le modèle v2 pointe vers morph-v3-large. v3-large et v3-fast seront ajoutés prochainement
Je suis curieux d’avoir une comparaison avec Relace. Les deux sont des sociétés issues de YC, et les fonctionnalités semblent très proches Relace
Une extension navigateur qui ferait le pont entre ChatGPT et VSCode, avec Morph (ou Claude) au milieu, pour exploiter directement le coding agentic depuis une UI web, ce serait vraiment excellent. L’idée serait d’utiliser l’interface web plutôt qu’une API
Si l’IA pouvait automatiser intelligemment le
rebase+merge, la vitesse de développement augmenterait énormément. Si l’IA pouvait fusionner automatiquement les changements de code de plusieurs utilisateurs en comprenant même l’intention derrière, ce serait un vrai gain de productivitéEn utilisant Claude Code, cette fonctionnalité existe déjà. Il suffit de demander : « fusionne l’autre branche et résous les conflits »
À quelle fréquence te retrouves-tu dans des situations de merge conflict ?