-1.png)
A Meta continua reconstruindo sua infraestrutura de publicidade em torno da inteligência artificial. Em março de 2026, a empresa apresentou um novo sistema de ranking de anúncios chamado Adaptive Ranking Model, que já está sendo utilizado no Instagram.
A ideia principal é que a Meta começou a usar modelos com escala e complexidade semelhantes às dos modelos modernos de IA para selecionar quais anúncios mostrar. Isso significa que os algoritmos agora analisam muito mais sinais e conseguem entender melhor os interesses e as intenções dos usuários, o que impacta diretamente o desempenho dos anúncios.
Adheart – ferramenta de análise de anúncios da Meta para encontrar os anúncios vencedores dos concorrentes e produtos em alta
Essa é uma das mudanças mais importantes nos algoritmos de publicidade da Meta nos últimos anos, porque muda o próprio princípio de como o sistema escolhe qual anúncio mostrar para cada usuário.
Vamos entender o que isso significa.
Como funciona a seleção de anúncios na Meta
Toda vez que um usuário abre o Instagram ou o Facebook, o sistema precisa decidir muito rapidamente:
- quais anúncios mostrar,
- em que ordem,
- de qual anunciante,
- com qual lance,
— tudo isso em menos de um segundo.
O processo funciona mais ou menos assim:
O usuário abre o feed → o sistema analisa o comportamento (cliques, compras, interações com conteúdo, interesses) → é formada uma lista de anúncios candidatos → o sistema ranqueia esses anúncios pela probabilidade de clique ou conversão → acontece o leilão → o anúncio é exibido.
Foi exatamente a etapa de ranking dos anúncios que foi completamente reconstruída no novo Adaptive Ranking Model.
Por que a Meta precisou mudar o sistema
A Meta afirma que enfrentou um problema fundamental chamado inference trilemma — um trade-off entre: complexidade do modelo, velocidade de resposta, custo computacional.
Quanto mais complexo o modelo, melhor ele entende o usuário e seleciona anúncios.
Mas modelos mais complexos exigem mais computação, infraestrutura mais cara e respostas mais lentas.
Para um sistema de publicidade isso é crítico, porque:
- os anúncios precisam ser selecionados em milissegundos;
- o sistema funciona para bilhões de usuários;
- o custo de computação não pode ser muito alto, senão a publicidade deixa de ser rentável.
Equipe Adheart.png)
Por isso, a Meta precisava encontrar uma forma de usar modelos muito complexos sem perder velocidade e sem aumentar drasticamente os custos de infraestrutura.
O que é o Adaptive Ranking Model
O Adaptive Ranking Model resolve esse problema.
A principal ideia é abandonar o modelo “uma única rede para tudo” e usar modelos diferentes dependendo da situação.
Antes, o sistema usava aproximadamente o mesmo modelo para todas as requisições. Agora a Meta utiliza roteamento dinâmico de requisições, ou seja, o sistema decide qual modelo usar para cada usuário e cada situação específica.
O sistema analisa o contexto: comportamento do usuário, complexidade da situação,
quantidade de sinais, probabilidade de conversão, — e então decide se deve usar um modelo mais simples ou mais complexo.
Isso é chamado de intelligent request routing.
Em termos simples:
- se a situação é simples → usa um modelo mais leve e rápido;
- se a situação é complexa → usa um modelo mais poderoso e preciso.
Assim, a Meta consegue usar modelos com complexidade de nível LLM, mas sem executá-los para todas as requisições — apenas quando realmente necessário.
Isso permite ao mesmo tempo:
- melhorar a precisão na seleção de anúncios;
- manter a velocidade do sistema;
- controlar os custos computacionais.
A transição para modelos em escala LLM
A grande novidade de 2026 é que a Meta conseguiu escalar o sistema de recomendação de anúncios para modelos em escala de LLM.
Isso significa que os modelos de ranking agora:
- têm muito mais parâmetros,
- utilizam sequências mais longas de comportamento do usuário,
- entendem melhor interesses e intenções,
- conseguem trabalhar com uma quantidade enorme de sinais.
Mesmo assim, o sistema continua funcionando em tempo real, selecionando anúncios em milissegundos.
A Meta afirma que o sistema já pode trabalhar com modelos na escala de trilhões de parâmetros, algo que antes era impossível para sistemas de recomendação em tempo real.
Três principais mudanças tecnológicas
A Meta destaca três direções tecnológicas principais que tornaram isso possível.
1. Inference-efficient model scaling
O sistema passou para uma arquitetura centrada na requisição (request-centric architecture) — agora os cálculos complexos são feitos uma vez por requisição do usuário, e não separadamente para cada anúncio.
Antes, o sistema calculava sinais para cada par usuário–anúncio. Agora os sinais complexos do usuário são calculados uma vez e reutilizados para todos os anúncios candidatos.
Isso reduziu significativamente o volume de computação.
2. Model / System Co-Design
A Meta começou a desenvolver os modelos junto com a infraestrutura e o hardware.
Ou seja, arquitetura do modelo, GPUs, memória e infraestrutura agora são projetadas como um único sistema, o que permite usar os recursos de forma muito mais eficiente e rodar modelos muito grandes com mais velocidade.
3. Nova infraestrutura para modelos de escala extremamente grande
A Meta criou uma infraestrutura que permite:
- distribuir modelos entre vários GPUs,
- trabalhar com tabelas de embeddings muito grandes,
- escalar modelos para trilhões de parâmetros,
- escalar automaticamente a infraestrutura conforme a carga.
Isso é basicamente uma nova infraestrutura de IA para os sistemas da Meta.
Resultados
Segundo a Meta, após o lançamento do Adaptive Ranking Model no Instagram no Q4 de 2025:
- +3% em conversões
- +5% em CTR
Na escala da Meta, esses números são enormes — até mesmo uma mudança de 1% no sistema de anúncios pode significar bilhões de dólares.
Adheart – ferramenta de análise de anúncios da Meta para encontrar os anúncios vencedores dos concorrentes e produtos em alta
O que isso significa para anunciantes
A principal conclusão é que os algoritmos de anúncios estão se tornando cada vez mais complexos e cada vez mais baseados em comportamento, e o sistema está migrando do targeting manual para sinais e criativos.
A Meta está gradualmente passando de um modelo targeting → audiências → interesses para um modelo comportamento do usuário → sinais → algoritmo → criativo.
Principais tendências:
- os algoritmos entendem melhor a intenção do usuário, não apenas interesses;
- o sistema decide quem verá o anúncio — o targeting manual se torna menos importante;
- dados comportamentais (cliques, visualizações, interações) se tornam mais importantes do que interesses;
- criativos e ofertas se tornam os principais fatores de sucesso;
- o algoritmo otimiza campanhas automaticamente cada vez mais.
Equipe Adheart.png)
A Meta está caminhando para um sistema onde o anunciante:
- envia os criativos,
- define o orçamento,
- escolhe o evento de otimização,
- e o algoritmo faz o resto.
Isso significa que na publicidade da Meta criativos, ofertas, sinais comportamentais, dados de conversão e otimização por eventos se tornam cada vez mais importantes, enquanto targeting detalhado, audiências manuais e interesses se tornam menos importantes.
Conclusão
O Adaptive Ranking Model é essencialmente uma nova geração do sistema de publicidade da Meta.
A Meta está começando a usar modelos em escala de LLM não apenas para chatbots e assistentes de IA, mas também para seleção de anúncios, ranking de conteúdo, recomendações e personalização do feed.
Isso significa que a publicidade na Meta vai se tornar:
- mais personalizada,
- mais baseada no comportamento do usuário,
- mais dependente dos criativos,
- e ainda mais controlada por algoritmos, e não por configurações manuais de targeting.
Para os anunciantes, isso significa uma coisa: entender os algoritmos e trabalhar com criativos está se tornando mais importante do que configurar audiências manualmente.
Nesse cenário, onde os algoritmos da Meta estão cada vez mais complexos e baseados em sinais comportamentais e criativos, os anunciantes precisam entender quais criativos e abordagens estão funcionando agora em diferentes nichos e GEOs.
É exatamente para isso que existe o Adheart — uma ferramenta de análise de anúncios da Meta que permite encontrar anúncios de concorrentes, ver quais criativos rodam por mais tempo, analisar funis, ofertas e estratégias de publicidade em diferentes países.
Quando o algoritmo fica mais inteligente, a principal vantagem do anunciante não é o targeting — são criativos, ofertas e entendimento do mercado.