De acordo com pt.wedoany.com-A Motor de Crescimento (ByteDance) lançou oficialmente, na Conferência Global de Economia Digital de 2026, seu modelo de grande escala para governança de conteúdo publicitário, o Mamoda 2.5, desenvolvido internamente. Este modelo é o primeiro a combinar a arquitetura MoE (Mixture of Experts) com o modelo de difusão DiT (Diffusion Transformer), tornando-se a primeira base de geração de vídeo DiT-MoE do setor.
No passado, pequenos e médios comerciantes frequentemente enfrentavam o problema de a plataforma apenas rejeitar o material, sem indicar os pontos de violação ou a direção da correção durante a revisão de anúncios. O Mamoda 2.5, lançado pela Motor de Crescimento, visa resolver esse problema do setor, fornecendo à plataforma uma capacidade eficiente de governança de anúncios, ao mesmo tempo que oferece aos comerciantes um serviço completo, desde o diagnóstico de riscos, localização de violações até a correção automática de materiais, ajudando-os a reduzir custos de conformidade e aumentar a taxa de aprovação dos materiais.
Com base em casos reais de uso por comerciantes, o Mamoda 2.5 pode realizar correções automatizadas para diferentes tipos de materiais violadores. Por exemplo, um material de anúncio que continha uma pessoa segurando um cigarro na cena, violando as diretrizes de revisão da plataforma que proíbem a exibição de tabaco e atos de fumar, teve o cigarro removido com precisão após o processamento, restaurando completamente o efeito visual original da cena.
Outro material de vídeo curto continha, no nono segundo, uma expressão exagerada sugerindo ser o melhor da categoria, correndo o risco de violar as disposições relevantes da Lei de Publicidade. O sistema localizou rapidamente o texto infrator e o corrigiu automaticamente. Após a correção, o material pôde ser submetido diretamente ao anunciante para confirmação e veiculação.
Nos três principais benchmarks de referência do setor de edição de vídeo por IA baseada em instruções — OpenVE-Bench, FiVE-Bench e ReCo-Bench — o Mamoda 2.5 obteve resultados excelentes, com sua eficiência de inferência T2V sendo 11 a 15 vezes maior que a dos modelos de código aberto mainstream do setor. O modelo possui um total de 25 bilhões de parâmetros, mas ativa apenas cerca de 3 bilhões de parâmetros por vez, com uma esparsidade de aproximadamente 12%. Internamente, ele configura 128 especialistas de granularidade fina (incluindo 1 especialista compartilhado), adotando uma estratégia de roteamento Top-8 em nível de token. A equipe, por meio de aprendizado por reforço combinado com autodestilação, reduziu o número de etapas de inferência de 50 para 4, diminuindo a latência da edição de vídeo em 480p de 69 segundos para 9 segundos, um ganho de eficiência de quase 8 vezes.
A equipe do Mamoda não utilizou modelos de grande escala de uso geral para uma simples adaptação. Em vez disso, para o cenário de governança de anúncios, eles realizaram pesquisa e desenvolvimento independentes e completos em toda a cadeia, desde o design da arquitetura, esquemas de dados até estratégias de treinamento. A equipe adicionou um especialista compartilhado à arquitetura, responsável pela expressão do conhecimento visual geral. O Mamoda 2.5 passou por quatro iterações em três anos, começando com a detecção de riscos pontuais em anúncios de texto na versão 1.0, até a versão 2.5, lançada em julho de 2026, que alcançou um avanço em toda a cadeia, com capacidade cobrindo todas as formas de vídeo. A equipe prevê que a versão 3.0, a ser lançada ainda em 2026, aprofundará ainda mais as capacidades de compreensão e edição de áudio, alcançando uma governança multimodal completa. Para pequenos e médios comerciantes, a equipe do Mamoda espera usar este modelo para que a conformidade não seja mais um "redutor de velocidade" no caminho da veiculação, mas sim um "acelerador" que ajude os comerciantes a criar e aperfeiçoar o conteúdo. Em termos de limites de correção, o Mamoda 2.5 corrige apenas o conteúdo definitivamente violador, localizando o problema na menor unidade — qual quadro, qual frase, qual trecho de dublagem apresenta risco — e, com base nisso, realiza um diagnóstico e correção refinados. A equipe compara o Mamoda a uma "equipe de conformidade externa" para pequenos e médios anunciantes. No último ano, a capacidade de governança da plataforma suportada pelo Mamoda conseguiu interceptar preventivamente dezenas de bilhões de materiais violadores, desativar mais de 4 milhões de contas infratoras, atingir um pico diário de processamento de mais de 200 mil contas do mercado negro, reduzir o CCR de conteúdo da plataforma em 56,2% ano a ano e o CCR de cumprimento em 67,1%. A equipe aponta que, atualmente, na verificação de autorização de retrato, retratos e vozes de pessoas menos conhecidas são mais facilmente falsificados por comerciantes inescrupulosos com a ajuda de IA, tornando a verificação de autenticidade da plataforma mais desafiadora. A equipe revela que o próximo passo é desenvolver um sistema de controle de risco inteligente adaptativo, usando a capacidade de geração para aprimorar a capacidade de compreensão, permitindo que o sistema evolua continuamente em meio ao confronto.
