Web 开发 AI 就选它？V0复合架构无错误率 93.87% 远超 Claude 4 Opus 单体！

Vercel 最近在 v0.dev 和 API 里都上了新的 AI 模型：v0-1.5-md、v0-1.5-lg 和 v0-1.0-md。

今天，他们把 v0 模型背后的"复合模型架构"给扒了。

简单说，这套架构就是把 RAG (检索增强生成) 的专业知识、SOTA 大模型的推理能力、再加上一个定制的流式后处理模型来修 bug，给缝合到了一起。

Vercel 说，这么搞能让 v0 生成代码的质量高出一大截。而且，以后基础大模型升级了，他们也能快速换上最新的，其他部分保持稳定。

🌱 v0 为啥要搞这么一套"复合模型架构"？不直接用现成大模型吗？

现在市面上的 AI 模型，基本就两种：要么是头部厂商的闭源大模型，要么是第三方托管的开源模型。

Vercel 在做 v0 和 AI SDK 这些产品时发现，这两种路子都有坑：

• 模型知识过时快：特别是对那些快速迭代的技术，大模型很快就跟不上了。
• 当然以前也聊过一些解决方法：
  ​​​AI 写代码总是翻车？Upstash 创始人怒推 Context7：给 LLM 喂上最新鲜的官方文档。​​​
  ​​​DeepWiki MCP：免费、远程、一行命令，Agent即刻拥有Github代码库知识！​​
• 头部厂商不care特定场景：人家没那么多精力也没那心思去专门优化"写 Web 应用"这种具体场景。

v0 是专门搞快速、漂亮的全栈 Web 应用的。这就得用上 React、Next.js 这些 不断 进化的框架。闭源大模型几乎是一出来就落后于框架更新了。

开源模型微调倒是灵活点，但目前来看，在 v0 关心的任务上 (尤其是带多模态输入的代码生成)，闭源大模型还是吊打开源模型。

而且，头部大模型也没啥动力去专门优化像"自动修 bug"、"快速编辑代码"这种 Web 应用开发特有的需求。结果就是，就算改个小地方，你也得把需求仔仔细细地喂给它。

Vercel 这套"复合模型架构"，就是要把这些活儿从基础模型里拆出来。

他们能把一个 SOTA 基础模型，跟专门的数据检索、优化的快速编辑流程、还有定制的 AutoFix 模型组合起来，提升输出质量。

这样一来，就算基础大模型换代了，他们也能无缝升级，不用把整个流程推倒重来。用户通过 API 用 v0 模型，实际上就是在用这整套流水线。

(v0 复合模型架构图)

🌲 v0 的"复合模型"具体咋工作的？

1. 预处理 (Pre-processing)

你给 v0 发消息后，它会先做好几步准备工作：

• 系统提示 (System Prompt)：定义 v0 的响应格式和能力范围。
• 上下文维护：把最近的聊天记录带上，保证对话连贯。老的聊天记录会做个总结，优化上下文窗口。
• RAG 检索：根据你的问题，从 Vercel 自己的数据集里捞相关信息 (文档、UI 示例、你上传的项目代码、内部知识库等等) 来增强输出。

2. SOTA 基础模型 (State of the art base models)

新内容生成或者大改动，就靠基础模型了。这一般是从当前最顶尖的那波大模型里挑一个，具体用哪个看你选的 v0 模型型号。

小修小改，比如改文字、修语法错误、调整组件顺序，会交给专门优化过速度的 Quick Edit 模型 处理。

因为是复合架构，基础模型可以随时升级替换，整个流程不用重构。比如，v0-1.0-md 现在用的是 Anthropic 的 Sonnet 3.7，而 v0-1.5-md 用的是 Sonnet 4。

3. 定制 AutoFix 模型 (Custom AutoFix model)

基础模型输出代码的时候，v0 会实时检查有没有错误、不一致或者不符合最佳实践的地方。Vercel 定制的 AutoFix 模型 会在输出过程中就把很多这类问题给修了，进一步提升质量。

等模型输出完了，还会再过一遍，把之前没发现的问题也给逮出来。最后还会跑个 linter，修复风格不一致和小错误。

🌿 v0 模型表现到底怎么样？

Vercel 主要看模型生成代码的出错率。他们搞了套针对常见 Web 开发任务的评估集，测下来，v0 模型比它们用的那些基础模型出错率低得多。

                                           (模型错误率对比)

v0-1.5-lg 虽然比 v0-1.5-md 模型更大，但有时候犯错会更多点，这是 AI 模型规模化常见的取舍。

不过，虽然它俩错误率差不多，但 Vercel 发现 v0-1.5-lg 在处理一些超专业领域 (比如 three.js 里的物理引擎) 和多步骤任务 (比如数据库迁移) 时，推理能力更强。而且 v0-1.5-lg 支持的上下文窗口也大得多。

🌲 训练自己的 AutoFix 模型

大模型都有些自己的小毛病，有的喜欢过度用 Markdown 格式化，有的会搞错文件位置或者引入一些隐蔽的 bug。Vercel 用一套全面的评估集，加上 v0.dev 用户的反馈，来追踪这些问题，找到输出需要改进的地方。

所以他们搞了个流水线，把确定性规则和基于 AI 的修正结合起来，在生成过程中就修复常见错误。早期这套流水线用的是 Gemini Flash 2.0。

为了速度和可靠性，他们跟 Fireworks AI 一起，用强化微调 (RFT) 的方法，训练了自家的定制 AutoFix 模型：vercel-autofixer-01。经过多轮迭代优化，这个模型在各种错误类型上的出错率都降到了最低。

                                  (AutoFix 模型训练迭代过程中的性能优化)

vercel-autofixer-01 的设计目标就是快速修复错误，同时降低整体出错率。在错误发生率评估中，它的表现跟 gpt-4o-mini 和 gemini-2.5-flash 差不多，但速度快了 10 到 40 倍。

(AutoFix 模型与其他模型性能对比)

🌱 下一步呢？

v0 模型家族现在可以通过 API 和 v0.dev 使用。你可以把 v0 模型用到你喜欢的编辑器里，或者构建自定义工作流。比如，用 v0 写自动化代码迁移脚本。

Vercel 表示，他们会继续改进模型输出，未来几个月还会发布新的模型类别。

本文转载自​​​​AI进修生​​​​，作者：Aitrainee