Meta's Generative Ads Model (GEM)
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, sodass es weder heruntergeladen noch auf Ihrer eigenen Hardware in irgendeiner Größe ausgeführt werden kann. Es ist nur über seinen Anbieter zugänglich, und keine Grafikkarte ändert daran etwas.
Aufzeichnung
Vollständige Spezifikation
Alles aufzeichnungsfähig für dieses Modell. Die meisten Informationen beschreiben, wie es trainiert wurde, anstatt wie es läuft — ein nützlicher Kontext, um zu beurteilen, wie viel Arbeit investiert wurde und wie es im Vergleich zu auf einer anderen Skala entwickelten Modellen abschneidet..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Meta AI
- Organisationstyp
- Industry
- Land
- United States of America
- Veröffentlicht
- 10 November 2025
- Autoren
- Huayu Li, Xiaoyi Liu, Jade Nie, Ellie Wen, Chunzhi Yang, Jiyan Yang, Nancy Yu, Habiya Beg, Gil Arditi, Neeraj Bhatia
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere von jedem tragen.
- Domäne
- Recommendation
- Aufgabe
- Recommender system
Größe
Wie groß das Modell ist und wie viele Daten es trainiert wurde. Die Parameter sind die Größe, die entscheidet, ob es auf eine bestimmte Grafikkarte passt.
- Trainingsdaten
- tokens
Verfügbarkeit
Ob Sie das Modell erhalten und es auf Ihrer eigenen Hardware ausführen können, entscheidet darüber, ob eine der Grafikkartenfiguren auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
Wie es klassifiziert ist
Labels der Quelldatenbank, die beim Verfolgen bemerkenswerter Modelle angewendet werden, und wie zuversichtlich sie in den Eintrag ist.
- Warum es nachverfolgt wird
- Significant use
- Aufzeichnungszuversicht
- Likely
From - https://www.facebook.com/business/news/ai-innovation-in-metas-ads-ranking-driving-advertiser-performance - GEM is in use, and Meta's platforms have many millions or billions of monthly active users.
Quellen
Woher diese Aufzeichnung stammt und wann sie zuletzt überprüft wurde.
- Referenz
- Meta’s Generative Ads Model (GEM): The Central Brain Accelerating Ads Recommendation AI Innovation
- Zuletzt aktualisiert
- 8 April 2026
Was die Zahlen bedeuten
Woher es kam
Meta's Generative Ads Model (GEM) was published by Meta AI, in United States of America, in November 2025. It comes out of industry.
It works in Recommendation, and is recorded as doing recommender system.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Training und Herkunft
Its inclusion criterion is significant use.
Antworten
Meta's Generative Ads Model (GEM) — Häufig gestellte Fragen
Who created Meta's Generative Ads Model (GEM)?
Meta's Generative Ads Model (GEM) was published by Meta AI, based in United States of America, categorised as industry.
When was Meta's Generative Ads Model (GEM) released?
Meta's Generative Ads Model (GEM) was published in November 2025.
What is Meta's Generative Ads Model (GEM) used for?
Meta's Generative Ads Model (GEM) works in Recommendation, and is recorded as handling recommender system. These are the areas it was designed around; they describe intent rather than a hard boundary.
What GPU do I need to run Meta's Generative Ads Model (GEM)?
None. Meta's Generative Ads Model (GEM) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Meta's Generative Ads Model (GEM) open source?
No. Meta's Generative Ads Model (GEM) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Meta's Generative Ads Model (GEM) have?
No parameter count has been published for Meta's Generative Ads Model (GEM), which is why no memory or speed figure appears on this page.
Die andere Richtung
Wenn Sie es von der anderen Seite betrachten?
Diese Seite beginnt beim Modell. Wenn Sie bereits eine Karte besitzen und alles erfahren möchten, was es ausführen kann, Beginnen Sie stattdessen mit der Hardware.