Wie Vercel Fireworks AI nutzt
Vercel nutzt Fireworks AI, um ein Open-Source-Modell zu betreiben und feinabzustimmen, das Fehler im Code, den sein Tool v0 generiert, automatisch behebt. Dabei kommen Reinforcement Fine-Tuning und Speculative Decoding zum Einsatz, um fehlerfreie Ausgaben und Geschwindigkeit zu verbessern.
Erfassten Nachweis ansehenDer Anwendungsfall: wie Vercel Fireworks AI einsetzt
Vercel uses Fireworks AI to run and fine-tune an open-source model that automatically fixes errors in code generated by its v0 tool. It applies reinforcement fine-tuning and speculative decoding to improve error-free output and speed.
Weitere angegebene Ergebnisse
Zahlen aus der Fallstudie von Fireworks AI. usedby hat sie nicht unabhängig gemessen.
The result is a platform capable of achieving a 93% error-free generation rate and a 40X improvement in end-to-end latency for v0 users, setting a new benchmark for developer-facing AI tooling.
In our evaluation, Sonnet 3.5 compiled at 62%, and we got our error-free generation rate well into the 90s
In den Worten des Kunden
Das v0-Modell von Vercel ist ein zusammengesetztes Modell. Der Stand der Technik in diesem Bereich ändert sich täglich, deshalb will man sich nicht an ein einzelnes Modell binden. Mit einem per Reinforcement Learning feinabgestimmten Modell auf Fireworks schneiden wir deutlich besser ab als der Stand der Technik. In unserer Evaluierung kompilierte Sonnet 3.5 zu 62 %, und unsere Rate fehlerfreier Generierungen liegt deutlich in den 90ern.Maschinell übersetzt aus dem EnglischenOriginal anzeigen
Vercel's v0 model is a composite model. The SOTA in this space changes every day, so you don't want to tie yourself to a single model. Using a fine-tuned reinforcement learning model with Fireworks, we perform substantially better than SOTA. In our evaluation, Sonnet 3.5 compiled at 62%, and we got our error-free generation rate well into the 90sDas v0-Modell von Vercel ist ein zusammengesetztes Modell. Der State of the Art in diesem Bereich ändert sich täglich, deshalb sollte man sich nicht an ein einzelnes Modell binden. Mit einem per Reinforcement Learning feinabgestimmten Modell auf Fireworks schneiden wir deutlich besser ab als der State of the Art.Maschinell übersetzt aus dem EnglischenOriginal anzeigen
Vercel’s v0 model is a composite model. The SOTA in this space changes every day, so you don’t want to tie yourself to a single model. Using a fine-tuned reinforcement learning model with Fireworks, we perform substantially better than SOTA.Weitere KI-Tools von Vercel
Weitere öffentliche Beziehungen, die auf usedby erfasst sind.
AWS BedrockBestätigt
NotionBestätigt
BasetenBeobachtet
BraintrustBeobachtet
BrightHireBeobachtet
BrowserbaseBeobachtetNutzer von Fireworks AI in der Branche DevTools & Infrastruktur
Unternehmen derselben Branche, mit öffentlichen Belegen.
CursorBestätigt
HasuraSelbst angegeben
LinearSelbst angegeben
ReplitSelbst angegeben
TurbopufferSelbst angegeben
CognitionBeobachtetDirekt zur Quelle
Auf Basis der veröffentlichten Fallstudie von Fireworks AI. Wir prüfen die öffentlichen Belege; die Ergebnisse gibt der Anbieter an.
fireworks.ai- Quelle veröffentlicht
- 3. Nov. 2025
- Zuletzt geprüft
- 31. Okt. 2026
Screenshot der Quelle öffnen Was die Fallstudie behauptet und was wir geprüft haben
Was wir mit der Seite verglichen haben.
- Die Zahl: 40XGeprüft
Steht wörtlich auf der Seite, nahe dem Namen Vercel.
- Die oben zitierte PassageGeprüft
Wörtlich von der Seite übernommen, nahe dem Namen Vercel.
- Die Zahlen in unserer ZusammenfassungGeprüft
Jede steht auf der Seite.
- Das VeröffentlichungsdatumGeprüft
Aus den eigenen Metadaten der Seite gelesen, nie geschätzt.
- Vercel nutzt Fireworks AIGeprüft
Eintrag mit Stufe Bestätigt.
- Das Ergebnis selbstNicht geprüft
Wir zitieren es; wir haben es nicht gemessen.
The result is a platform capable of achieving a 93% error-free generation rate and a 40X improvement in end-to-end latency for v0 users, setting a new benchmark for developer-facing AI tooling.