Meta 发布 GEM 生成式广告模型：统一跨平台推荐基座

Meta 公布 GEM 生成式广告模型最新进展

Meta 工程团队在官方博客中介绍了其生成式广告模型 GEM（Generative Ads Model）的 2026 年版。据该博客，GEM 从过去按 Facebook、Instagram、Reels 等平台分别做独立优化，转向一个单一的中央基座模型，从 Meta 各广告平台的数据与信号中学习。Meta 称，GEM 在其各广告场景与目标上带来了 18.9% 的转化提升和 12% 的广告点击率提升，并在过去一年中为定向用户分别在 Facebook、Instagram 和站外转化上贡献了 5.8%、4.1% 和 1.6% 的转化增量。

架构与训练层面的调整

博客称，GEM 采用名为 Kunlun 的 LLM 风格架构，与最新 GPU 硬件协同设计，相比上一代 Interformer 在相同算力规模下取得 2 倍性能提升。团队还提到通过块对齐稀疏注意力、将 pFFN 重构为注意力操作等方式降低计算量，并称组件跳过连接机制可减少 43% 的 FLOPs。在训练侧，Meta 表示端到端训练效率提升至 20–25% 的模型 FLOPs 利用率，总训练 FLOPs 扩大 4 倍。此外，GEM 通过名为 LoopFM 的后训练技术，将内部表示与序列历史记忆迁移到面向用户的模型，并引入弹性预计算方案 Solaris。

数据口径与信息来源

上述性能数字、架构细节与效率指标均来自 Meta 工程博客的自我披露，未经第三方独立验证，具体口径与适用条件需以原文及官方后续说明为准。博客同时提到 Meta 旗下应用每日有 36 亿人使用至少一款，这一数字同样出自该文。GEM 的实际可用范围、面向广告主的功能与地区支持情况，请以 Meta 官网当前信息为准。