Meta GEM广告模型

Meta于2026年10月发布了其生成式广告模型（GEM）的2026代版本，标志着该模型从各平台独立优化转向单一中央基础模型。这一转变旨在通过LLM规模的计算能力，统一Facebook、Instagram等数十个表面的广告预测逻辑。

【背景】GEM最初于2025年11月推出，被定位为业界最大的推荐系统基础模型。经过一年的迭代，2026版GEM引入了名为“Kunlun”的新架构，解决了传统推荐系统在长序列建模和跨域学习中的扩展性难题。

核心进展在于效率与智能转移：

1. Kunlun架构：通过与最新GPU硬件协同设计，将模型FLOPs利用率（MFU）从17%提升至37%，实现了2.5倍的模型复杂度增长，并在同等计算量下使性能翻倍。
2. 知识转移：利用LoopFM技术和Solaris预计算，将GEM的内部表征高效传递给下游用户端模型，在不增加延迟的前提下加倍了智能转移效果。
3. 业务影响：Meta报告称，新GEM在广告表面和目标上带来了18.9%的转化率提升和12%的点击率（CTR）提升。具体而言，过去一年内，Facebook、Instagram和站外转化的目标用户分别获得了5.8%、4.1%和1.6%的提升。

这一演进的关键意义在于打破了推荐系统的“缩放定律”瓶颈。此前，推荐模型因异构特征和分布漂移，无法像LLM那样通过增加算力获得可预测的性能提升。Kunlun通过统一处理序列与非序列特征，建立了可预测的幂律缩放关系，使得Meta能够在数千个GPU上以LLM规模训练广告模型，同时保持端到端训练效率翻倍。

【存疑】尽管Meta声称GEM是“最大”的RecSys基础模型，但第三方分析指出，早期版本存在严重的GPU资源浪费问题（MFU仅3-15%），2026版的改进正是针对这一工程痛点。