Meta 在 10 月 28 日發布技術文章，介紹 Andromeda 廣告檢索系統的新一輪升級。官方披露，相關模型推論在單顆 GH200 GPU 上，達到每秒逾 100 億次廣告評估的吞吐量。這裡計算的是系統評估工作，並非每秒向使用者展示 100 億則廣告。

Andromeda 並非這個月才首次出現。Meta 的文章回顧了 2024 年版本，並說明隨著候選廣告規模增加，新版如何把模型與硬體一起調整，避免運算與資料搬移成本跟著快速膨脹。

先找出候選廣告，才輪到後續排序

可以把檢索理解為廣告挑選流程前段的篩選：先從大量候選中，找出值得進一步評估的內容，再交給後續流程。找不到合適的候選，後面的排序即使精細，也難以補回一開始錯過的選項。

新版採用混合專家模型架構，並整合 GPU 上的運算流程，減少中間資料在不同步驟之間搬運。這是 Meta 公開的技術設計方向；對讀者而言，重點是系統要同時處理更多候選，並維持較細緻的匹配，而非只增加硬體數量。

硬體層的評估速度，和廣告主看到的獲客成本，中間仍有距離。競爭對手出價、商品吸引力、素材內容、網站購買流程及成效回傳，都會影響最後的結果。這份公告沒有給出任何品牌只要修改某個選項，就能獲得固定報酬的承諾。

品牌較值得做的準備，是讓素材之間有實際差異。例如，同一款背包可分別說清楚通勤收納與短程健行用途，而非只換背景顏色；商品頁則應接得住素材提出的需求。這是編輯部依檢索機制提出的工作建議，不是 Meta 公布的新投放規定。

同樣地，系統能評估更多候選，也不代表廣告主必須無限制增加素材。若沒有清楚的受眾需求、預算與衡量方式，大量版本只會讓團隊更難判斷哪個差異有用。測試時保留可解讀的變因，仍比追逐一個硬體效能數字更接近實際經營。