对话Mamoda团队：业内首个DiT-MoE视频生成基座是如何炼成的？

智东西 | 作者：王涵 | 编辑：漠影

长期以来，对话中小商家在运营中常陷入“审核黑盒”困境：批量上传推广素材后，团队频繁遭遇平台驳回，业内却仅获知“审核不通过”，首个视频生成缺乏具体的基座违规点位说明及修改指引。运营人员往往需耗费大量时间反复对接客服，何炼仍难以精准定位问题。对话这种“只驳回、团队不指导”的业内模式，已成为广告行业合规效率提升的首个视频生成长期痛点。

智东西7月9日报道，基座在2026全球数字经济大会上，何炼巨量引擎正式发布自研广告内容治理大模型 Mamoda 2.5。对话该模型首次将 MoE（Mixture of Experts，团队混合专家）架构与 DiT（Diffusion Transformer）扩散模型深度融合，业内构建了业内首个 DiT-MoE 视频生成基座。

Mamoda 2.5不仅为平台提供了高效的广告治理能力，更向商家开放了从“风险诊断”、“违规定位”到“素材自动修复”的全流程服务。旨在通过降低合规成本、提升素材通过率，推动广告行业合规效率的全面升级。

实测案例显示，Mamoda 2.5具备针对不同类型违规素材的 自动化整改能力：

• 图像违规修复：针对画面人物手持香烟（触碰烟草禁令）的素材，Mamoda 2.5能 精准清除违规物体，并 完整还原原有画面视觉效果。
  
• 文案违规修正：针对短视频中第9秒文案“百合中的天花板”（涉嫌违反《广告法》夸大性表述），系统可 快速定位违规文字并自动修正，修复后的素材经广告主确认即可投放。
  

Mamoda 2.5的DiT-MoE架构如何运作？AI时代内容治理的未来走向何方？智东西与巨量引擎Mamoda团队进行了深度对话。

一、128个细分专家，三大基准测试登顶

在深入技术架构前，先看Mamoda 2.5的核心性能表现。

在指令式AI视频编辑领域的权威评测基准（OpenVE-Bench、FiVE-Bench、ReCo-Bench）中，Mamoda 2.5均取得优异成绩，其T2V（Text-to-Video）推理效率较行业主流开源模型提升 11~15倍。

这一突破源于架构的根本性创新。

目前主流视频模型多基于Transformer的扩散模型（DiT架构）。DiT虽在生成效果上表现优异且遵循Scaling Law（参数越大效果越好），但单纯堆砌参数会导致 推理速度慢、部署成本高的问题。

巨量引擎Mamoda技术研发负责人指出，团队在架构设计之初便确立了 “推理友好”的核心目标。鉴于平台巨大的流量规模，模型必须具备极高的推理效率。

为此，团队首次 将MoE架构与DiT模型结合，打造出业内首个 DiT-MoE 视频生成基座。

MoE的核心逻辑在于：摒弃单一“全能”大网络，转而训练多个“专家”网络，并通过动态路由将任务分配给最合适的少数专家。其目标是：保留DiT强大的生成能力，同时通过MoE实现“稀疏激活”，大幅降低计算负载。

最终，Mamoda团队训练出总参数量达 250亿，但每次推理仅激活 约30亿参数、稀疏度约 12%的Mamoda 2.5。模型内部设有 128个细粒度专家（含1个共享专家），采用 Top-8 token级路由策略，在维持强大模型能力的同时，显著提升了推理效率。

二、拒绝通用大模型微调，为何选择全栈自研？

Mamoda团队并未采用现成通用大模型进行简单微调，而是针对广告治理场景，从架构设计、数据方案到训练策略，实现了 全链自主、全栈自研。

团队表示，坚持自研主要基于以下 三大考量：

1. 运行效率与ROI极致追求：平台模型需承载线上海量流量，对成本与效率要求严苛。唯有自主研发，才能打磨出效率最优的架构与算法。
2. 业务场景的特殊性：广告风控流程涵盖“识别-解读-整改-重生成”，天然契合“理解与生成一体化”的架构。此外，行业风险动态变化快，对局部微小违规区域的识别要求极高，通用大模型往往难以精准捕捉。
3. 合规判定的精准把控：审核规则中既有明确条款，也有大量需结合语境综合研判的模糊场景。通用大模型缺乏此类专项优化，难以稳定把控审核尺度。

归根结底，只有自研才能针对广告治理的独特需求实现极致优化。

自研之路并非坦途。初期，Mamoda 2.5未引入共享专家，导致训练效果不佳。团队发现，在处理编辑任务时，无论增减内容，均需保证光影、背景融入度等视觉一致性。缺乏共享专家机制时，各专家各自为战，缺乏兜底通用视觉知识的“全科顾问”。

随后，团队在架构中加入 共享专家，专门负责 通用视觉知识的表达。“加入后效果显著改善……例如光影和背景的融入度，无论增加还是删除内容，都能保持一致。”这一调整背后是反复的实验试错。

此外，MoE虽解决了参数激活问题，但DiT模型的推理步数依然繁重。原始模型需 50步推理才能达到满意效果，这对高并发线上系统而言意味着巨大的延迟与算力成本。

团队最终采用 强化学习+自蒸馏技术，将推理步数从50步压缩至 4步。480p视频编辑延迟从69秒降至 9秒，效率提升近 8倍，真正实现了“分钟级过审”。

三、三年死磕四次大改版，Mamoda成为商家的“编外合规团队”

从2024年6月的1.0版本（文本类广告单点风险检测），到2026年7月发布的2.5版本（全链路突破，覆盖视频全形态），Mamoda经历了 三年四次迭代。预计2026年内推出的3.0版本将进一步深化音频理解与编辑能力，稳步迈向 全模态治理。

这条 “文本→图片→短视频→全模态”的迭代之路，见证了Mamoda从“能看见”到“能修好”的能力跃迁。

对于中小商家，Mamoda团队希望将其打造为合规路上的 “加速器”，而非“减速带”。

在修复边界上，Mamoda 2.5仅修复确定违规的内容（如文本夸大词等刚性规则），并将问题定位至最小单元——精确指出哪一帧画面、哪一句话、哪一段配音存在风险，提供精细化诊断与修复建议。

团队将Mamoda比喻为中小广告主的 “编外合规团队”，旨在降低专业门槛，让原本需要专业经验或多人手完成的合规工作变得高效、简易。

过去，合规能力取决于商家的专业团队规模；现在，平台希望通过Mamoda将能力普惠，让中小商家无需通过“反复碰壁”来理解规则，而是能一次性清晰知晓问题所在及修改方案。

“希望让守规则变得更清晰，让好内容更容易被看见。”这是Mamoda团队的愿景。

四、AI治理AI：从“被动防御”到“自适应进化”

AI降低了内容生产门槛，也降低了伪造成本。过去制作一条明星代言广告需专业团队，如今熟练者几分钟即可生成以假乱真的视频。

Mamoda团队指出，当前最棘手的场景之一是 “肖像授权”。信息充分、授权链路清晰的主体易被识别，而知名度较低、公开授权信息不全的肖像与声音，更易被不法商家利用AI仿冒，增加了平台真实性核验难度。

过去一年，Mamoda支撑的平台治理成效显著：
* 前置拦截违规素材 百亿条
* 关停违规账户 超400万
* 单日处置黑产账户峰值 突破20万
* 平台内容CCR同比 下降56.2%
* 履约CCR 下降67.1%

在进化方向上，Mamoda正迈向 “自适应智能风控系统”。

团队透露技术路径：“目前统一架构中‘理解促进生成’已获验证，下一步将探索 ‘生成如何促进理解’的方向。”这指向一个更深层目标：利用生成能力反向增强理解能力，使系统在对抗中不断自我进化。

结语：Mamoda为行业树立新标杆

在中国AI大模型从通用能力突破走向垂直场景深耕的大势下，Mamoda交出了一份独特的答卷。

过去两年，行业主旋律是“卷参数”，陷入数字游戏。但从2025年下半年起，行业共识转向理性：大模型的价值在于真实场景的产业落地。Mamoda 2.5恰好站在这一转折点，深耕广告治理这一具体场景。

更重要的是，Mamoda提供了 “以AI治理AI”的可参考范本。当内容生成门槛降至零，平台治理无法仅靠堆人力对抗机器批量生产，唯一出路是用技术回应技术、用系统对抗系统。

在这场技术与风险的赛跑中，虽无终局，但Mamoda证明了一条可行路径：以技术深度支撑治理精度。这不仅让违规内容无所遁形，更让优质内容更容易被创造、被理解、被看见。这或许正是AI时代平台治理应有的模样。

(责任编辑：热点)