Meta usa ML para decidir onde cada unidade de compute rende mais no ranking de anúncios

O ponto de partida do post da Meta é um descompasso: modelos de ads ranking crescem rumo à escala de LLMs mais rápido que o hardware para servi-los. A resposta é o Intelligent Delivery, sistema de ML que distribui compute pelo serving stack buscando o ótimo global. Segundo a empresa, ele rendeu cerca de 10% de ganho incremental de ranking performance, além dos avanços de modelo e de sistema, de 2017 até o primeiro semestre de 2026.

A primeira capacidade, Request Understanding, substitui segmentos grosseiros (superfície, contexto, criativo) com políticas escritas à mão por modelos de ML. A Meta diz ter obtido cerca de 20% de melhora, em benchmarks offline, na identificação dos requests de maior impacto, contra o modelo de produção anterior. O núcleo é o Resource Core Model, com 6B de parâmetros esparsos e 20M densos, executado uma vez antes do retrieval de candidatos e compartilhado pelo funil. Dele saem modelos especializados que estimam resultado, consumo de compute e impacto em latência.

A segunda camada é uma hierarquia de motores de decisão: região (tráfego movido em ciclos de minutos até igualar a eficiência marginal), hardware (benchmark de cada par workload-SKU entre CPUs Intel, AMD e Arm e aceleradores NVIDIA, AMD e MTIA) e dentro do host (otimização restrita sob SLO de latência de cauda, cortando primeiro o trabalho caro e de baixo impacto). A terceira é o loop de otimização com agentes de IA: no primeiro semestre de 2026 eles contribuíram com cerca de 20% das otimizações, e no mecanismo mais automatizado com cerca de 80% do esforço de engenharia. Engenheiros aprovam a mudança final, e o ciclo caiu de meses para semanas.

O post fecha uma sequência de textos de engenharia da Meta sobre ads que o CEVIU vem cobrindo. Em 4 de abril de 2026, o CEVIU noticiou o Adaptive Ranking Model, que entrega anúncios mais relevantes com menos capacidade computacional. Em 15 de outubro de 2026, em "Meta otimiza recomendações de anúncios aproveitando capacidade ociosa de IA", o foco era usar capacidade de inferência parada. O próprio texto novo remete a esse trabalho e diz que agora trata de decidir para onde vai cada unidade de compute. Em 28 de outubro de 2026, o CEVIU tratou da nova geração do Andromeda, e em 3 de novembro de 2026, do F3 Lightning. Cada um ataca uma etapa; o Intelligent Delivery é a camada de alocação entre elas.

Para quem opera ranking ou inferência em escala, a leitura é que o gargalo deixou de ser só o modelo e passou a ser a alocação. A Meta trata compute como recurso a ser roteado por utilidade marginal, e não como capacidade uniforme. O avanço dos agentes nessa tarefa (80% do esforço no mecanismo mais automatizado) sugere que tuning de configuração em larga escala tende a migrar para loops assistidos por IA com revisão humana. A própria Meta admite que a otimização conjunta entre todos os estágios e a migração para GPUs, com capacidade em blocos fixos, seguem em aberto.