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，他們把 v0 模型背后的"復合模型架構"給扒了。

簡單說，這套架構就是把 RAG (檢索增強生成) 的專業知識、SOTA 大模型的推理能力、再加上一個定制的流式后處理模型來修 bug，給縫合到了一起。

Vercel 說，這么搞能讓 v0 生成代碼的質量高出一大截。而且，以后基礎大模型升級了，他們也能快速換上最新的，其他部分保持穩定。

?? v0 為啥要搞這么一套"復合模型架構"？不直接用現成大模型嗎？

現在市面上的 AI 模型，基本就兩種：要么是頭部廠商的閉源大模型，要么是第三方托管的開源模型。

Vercel 在做 v0 和 AI SDK 這些產品時發現，這兩種路子都有坑：

• 模型知識過時快：特別是對那些快速迭代的技術，大模型很快就跟不上了。
• 當然以前也聊過一些解決方法：
  ???AI 寫代碼總是翻車？Upstash 創始人怒推 Context7：給 LLM 喂上最新鮮的官方文檔。???
  ???DeepWiki MCP：免費、遠程、一行命令，Agent即刻擁有Github代碼庫知識！??
• 頭部廠商不care特定場景：人家沒那么多精力也沒那心思去專門優化"寫 Web 應用"這種具體場景。

v0 是專門搞快速、漂亮的全棧 Web 應用的。這就得用上 React、Next.js 這些 不斷 進化的框架。閉源大模型幾乎是一出來就落后于框架更新了。

開源模型微調倒是靈活點，但目前來看，在 v0 關心的任務上 (尤其是帶多模態輸入的代碼生成)，閉源大模型還是吊打開源模型。

而且，頭部大模型也沒啥動力去專門優化像"自動修 bug"、"快速編輯代碼"這種 Web 應用開發特有的需求。結果就是，就算改個小地方，你也得把需求仔仔細細地喂給它。

Vercel 這套"復合模型架構"，就是要把這些活兒從基礎模型里拆出來。

他們能把一個 SOTA 基礎模型，跟專門的數據檢索、優化的快速編輯流程、還有定制的 AutoFix 模型組合起來，提升輸出質量。

這樣一來，就算基礎大模型換代了，他們也能無縫升級，不用把整個流程推倒重來。用戶通過 API 用 v0 模型，實際上就是在用這整套流水線。

(v0 復合模型架構圖)

?? v0 的"復合模型"具體咋工作的？

1. 預處理 (Pre-processing)

你給 v0 發消息后，它會先做好幾步準備工作：

• 系統提示 (System Prompt)：定義 v0 的響應格式和能力范圍。
• 上下文維護：把最近的聊天記錄帶上，保證對話連貫。老的聊天記錄會做個總結，優化上下文窗口。
• RAG 檢索：根據你的問題，從 Vercel 自己的數據集里撈相關信息 (文檔、UI 示例、你上傳的項目代碼、內部知識庫等等) 來增強輸出。

2. SOTA 基礎模型 (State of the art base models)

新內容生成或者大改動，就靠基礎模型了。這一般是從當前最頂尖的那波大模型里挑一個，具體用哪個看你選的 v0 模型型號。

小修小改，比如改文字、修語法錯誤、調整組件順序，會交給專門優化過速度的 Quick Edit 模型 處理。

因為是復合架構，基礎模型可以隨時升級替換，整個流程不用重構。比如，v0-1.0-md 現在用的是 Anthropic 的 Sonnet 3.7，而 v0-1.5-md 用的是 Sonnet 4。

3. 定制 AutoFix 模型 (Custom AutoFix model)

基礎模型輸出代碼的時候，v0 會實時檢查有沒有錯誤、不一致或者不符合最佳實踐的地方。Vercel 定制的 AutoFix 模型 會在輸出過程中就把很多這類問題給修了，進一步提升質量。

等模型輸出完了，還會再過一遍，把之前沒發現的問題也給逮出來。最后還會跑個 linter，修復風格不一致和小錯誤。

?? v0 模型表現到底怎么樣？

Vercel 主要看模型生成代碼的出錯率。他們搞了套針對常見 Web 開發任務的評估集，測下來，v0 模型比它們用的那些基礎模型出錯率低得多。

                                           (模型錯誤率對比)

v0-1.5-lg 雖然比 v0-1.5-md 模型更大，但有時候犯錯會更多點，這是 AI 模型規模化常見的取舍。

不過，雖然它倆錯誤率差不多，但 Vercel 發現 v0-1.5-lg 在處理一些超專業領域 (比如 three.js 里的物理引擎) 和多步驟任務 (比如數據庫遷移) 時，推理能力更強。而且 v0-1.5-lg 支持的上下文窗口也大得多。

?? 訓練自己的 AutoFix 模型

大模型都有些自己的小毛病，有的喜歡過度用 Markdown 格式化，有的會搞錯文件位置或者引入一些隱蔽的 bug。Vercel 用一套全面的評估集，加上 v0.dev 用戶的反饋，來追蹤這些問題，找到輸出需要改進的地方。

所以他們搞了個流水線，把確定性規則和基于 AI 的修正結合起來，在生成過程中就修復常見錯誤。早期這套流水線用的是 Gemini Flash 2.0。

為了速度和可靠性，他們跟 Fireworks AI 一起，用強化微調 (RFT) 的方法，訓練了自家的定制 AutoFix 模型：vercel-autofixer-01。經過多輪迭代優化，這個模型在各種錯誤類型上的出錯率都降到了最低。

                                  (AutoFix 模型訓練迭代過程中的性能優化)

vercel-autofixer-01 的設計目標就是快速修復錯誤，同時降低整體出錯率。在錯誤發生率評估中，它的表現跟 gpt-4o-mini 和 gemini-2.5-flash 差不多，但速度快了 10 到 40 倍。

(AutoFix 模型與其他模型性能對比)

?? 下一步呢？

v0 模型家族現在可以通過 API 和 v0.dev 使用。你可以把 v0 模型用到你喜歡的編輯器里，或者構建自定義工作流。比如，用 v0 寫自動化代碼遷移腳本。

Vercel 表示，他們會繼續改進模型輸出，未來幾個月還會發布新的模型類別。

本文轉載自????AI進修生????，作者：Aitrainee