各广告位的涨幅是 Meta 自己报的
Meta 工程博客说，2026 年这一代 GEM 不再按 Facebook、Instagram、Reels 分开优化，改成一个中央基础模型，学习各广告平台的数据和信号。他们写成：在各广告位和目标上，转化提高 18.9%，广告点击率提高 12%。过去一年，对定向用户，Facebook、Instagram 和站外转化再分别提高 5.8%、4.1% 和 1.6%。这些是他们的线上结果。博客没有附上外部复测。
他们还写，每天至少使用一个 Meta 应用的人有 36 亿。这是 Meta 的用户口径，不是这次比较的样本量。
[1]
同样算力下，Kunlun 写成上一版的两倍
相对上一版 Interformer，Kunlun 在同样计算规模下把性能写成 2 倍。在最大预训练规模上，他们观察到模型复杂度比早先的 GEM 增加 2.5 倍。生产环境里，长互动上下文加长到 2 倍；他们另称，基础设施上可以把长上下文放到 25 倍。这 25 倍是能力说法，不是已经全量上线的长度。
一种有选择地跳过序列模块的做法，把浮点运算减少 43%，他们称质量损失可以忽略。把一类点积计算收进同一个核之后，前向最快到 2 倍。LoopFM 把中央模型的表示和按时间排好的历史交给下游模型。加上计算共享，智能转移比上一版的蒸馏增加一倍，他们称不额外增加计算或延迟。
[1]训练算力乘以 4，利用率写成两成出头
端到端训练效率在过去 12 个月加倍，模型浮点利用率写成 20% 到 25%，总训练浮点运算乘以 4，跑在数千张最新的 GPU 上。博客把这说成推荐模型和语言模型规模交界处的训练，没有给出一张可以对照的外部账单。
点击和转化以前按站点和目标各有一套系统。GEM 被写成第一个同时预测各站点点击率和主要优化目标转化率的模型。这个“第一个”是他们的说法。
[1]