Comment Vercel utilise Fireworks AI
Vercel utilise Fireworks AI pour exécuter et affiner un modèle open source qui corrige automatiquement les erreurs dans le code généré par son outil v0. L’entreprise applique le fine-tuning par renforcement et le décodage spéculatif pour améliorer la qualité sans erreur et la vitesse.
Voir la preuve capturéeL’usage : comment Vercel déploie Fireworks AI
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.
Autres résultats publiés
Chiffres publiés dans l’étude de cas de Fireworks AI. usedby ne les mesure pas de façon indépendante.
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
Le témoignage du client
Le modèle v0 de Vercel est un modèle composite. L’état de l’art dans ce domaine change tous les jours, donc il ne faut pas se lier à un seul modèle. Avec un modèle affiné par apprentissage par renforcement sur Fireworks, nous faisons nettement mieux que l’état de l’art. Dans notre évaluation, Sonnet 3.5 compilait à 62 %, et notre taux de génération sans erreur est monté bien au-delà de 90 %Traduction automatique de l’anglaisVoir l’original
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 90sLe modèle v0 de Vercel est un modèle composite. L’état de l’art dans ce domaine change tous les jours, donc il vaut mieux ne pas se lier à un seul modèle. Grâce à un modèle d’apprentissage par renforcement affiné avec Fireworks, nous obtenons des résultats nettement supérieurs à l’état de l’art.Traduction automatique de l’anglaisVoir l’original
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.Les autres outils IA utilisés par Vercel
Autres relations publiques recensées sur usedby.
Explorer la stack IA de Vercel
Les clients de Fireworks AI dans le secteur Outils Dev & Infrastructure
Des entreprises du même secteur, avec une preuve publique.
Voir tous les clients de Fireworks AI
Consulter la source
Cette synthèse repose sur l’étude de cas publiée par Fireworks AI. Nous vérifions la preuve publique ; les résultats sont ceux rapportés par l’éditeur.
fireworks.ai- Source publiée
- 3 nov. 2025
- Dernière vérification
- 31 oct. 2026
Ouvrir la capture Ce que dit le témoignage, et ce que nous avons vérifié
Ce que nous avons comparé à la page.
- Le chiffre : 40XVérifié
Imprimé mot pour mot sur la page, près du nom de Vercel.
- L’extrait cité plus hautVérifié
Copié mot pour mot depuis la page, près du nom de Vercel.
- Les nombres de notre résuméVérifié
Chacun est imprimé sur la page.
- La date de publicationVérifié
Lue dans les métadonnées de la page, jamais devinée.
- Vercel utilise Fireworks AIVérifié
Ligne de niveau Confirmé.
- Le résultat lui-mêmeNon vérifié
Nous le citons ; nous ne l’avons pas mesuré.
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.