X新演算法曝光：按讚幾乎不值錢，這個行為價值翻150倍

原文作者：David，深潮 TechFlow

1 月 20 日下午，X 開源了新版推薦演算法。

Musk 配的回覆挺有意思：「我們知道這演算法很蠢，還需要大改，但至少你能看到我們在實時掙扎著改進。別的社交平台不敢這麼幹。」

這話有兩層意思。一是承認演算法有問題，二是拿「透明」當賣點。

這是 X 第二次開源演算法。2023 年那版程式碼三年沒更新，早就和實際系統脫節了。這次完全重寫，核心模型從傳統機器學習換成了 Grok transformer，官方說法是「徹底消除了手工特徵工程」。

翻譯成人話：以前的演算法靠工程師手動調參數，現在讓 AI 直接看你的互動歷史來決定推不推你的內容。

對內容創作者來說，這意味著以前那套「幾點發文最好」「帶什麼 tag 漲粉」的玄學可能不靈了。

我們也翻了翻開源的 Github 倉庫，在 AI 的輔助下，發現程式碼裡確實藏著一些硬邏輯，值得扒一扒。

演算法邏輯變化：從手工定義，到 AI 自動判斷

先說清楚新舊版本的區別，不然後面的討論容易混。

2023 年，推特開源的那版叫 Heavy Ranker，本質就是傳統機器學習。工程師要手動定義幾百個「特徵」：這則貼文有沒有圖、發文人粉絲多少、發佈時間離現在多久、貼文裡有沒有連結...

然後給每個特徵配權重，調來調去，看哪個組合效果好。

這次開源的新版叫 Phoenix，架構完全不同，你可以理解成一個更加依賴 AI 大模型的演算法，核心是用 Grok 的 transformer 模型，和 ChatGPT、Claude 用的是同一類技術。

官方 README 文件裡寫得很直白：「We have eliminated every single hand-engineered feature。」

傳統那種靠手工提取內容特徵的規則，一個不剩，全砍了。

那現在，這個演算法靠什麼判斷一個內容到底好不好？

答案是靠你的行為序列。你過去按讚過什麼、回覆過誰、在哪些貼文上停留超過兩分鐘、封鎖過哪類帳號。Phoenix 把這些行為餵給 transformer，讓模型自己學出規律並進行總結。

打個比方：舊演算法像一張人工編寫的評分表，每項打勾算分；

新演算法像一個看過你所有瀏覽記錄的 AI，直接猜你下一秒想看什麼。

對創作者來說，這意味著兩件事：

第一，以前那些「最佳發文時間」「黃金標籤」之類的技巧，參考價值變低了。因為模型不再看這些固定特徵，它看的是每個用戶的個人偏好。

第二，你的內容能不能被推出去，越來越取決於「看到你內容的人會怎麼反應」。這個反應被量化成了 15 種行為預測，我們下一章細說。

演算法在預測你的 15 種反應

Phoenix 拿到一則待推薦的貼文後，會預測當前用戶看到這則內容可能產生的 15 種行為：

1. 正向行為：如按讚、回覆、轉發、引用轉發、點擊貼文、點擊作者主頁、看完一半以上影片、展開圖片、分享、停留超過一定時長、關注作者
2. 負向行為：如點「不感興趣」、Block 作者、Mute 作者、檢舉

每種行為對應一個預測機率。比如模型判斷你有 60% 機率按讚這則貼文、5% 機率封鎖這個作者等等。

然後演算法做一件簡單的事：把這些機率乘以各自的權重，加起來，得到一個總分。

公式長這樣：

Final Score = Σ ( weight × P(action) )

正向行為的權重是正數，負向行為的權重是負數。

總分高的貼文排前面，低的沉下去。

跳出公式，其實說白了就是：

現在一個內容好不好，真的不由內容本身寫的好不好決定了（當然可讀性和利他性是傳播的基礎）；而是更多的取決於「這則內容會讓你做出什麼反應」。演算法不在乎貼文本身的品質，它只在乎你的行為。

按這個思路想，極端情況下一個低俗但讓人忍不住回覆吐槽的貼文，得分可能比一個優質但沒人互動的貼文更高。這套系統的底層邏輯或許就是如此。

不過，新開源版本的演算法沒公開具體行為權重的數值，但 2023 年那版公開過。

舊版參考：一次檢舉 = 738 次按讚

接下來我們可以扒一下 23 年的那組數據，雖然是舊的，但能幫你理解各種行為在演算法眼裡的「價值」差多少。

2023 年 4 月 5 日，X 確實在 GitHub 上公開過一組權重數據。

直接上數字：

翻譯的再直白一些：

數據來源：舊版 GitHub twitter/the-algorithm-ml 倉庫，點擊可以查看原演算法

幾個數字值得細看。

第一，按讚幾乎不值錢。 權重只有 0.5，是所有正向行為裡最低的。演算法眼裡，一個按讚的價值約等於零。

第二，對話互動才是硬通貨。 「你回覆，作者又回覆你」的權重是 75，是按讚的 150 倍。演算法最想看到的不是單向的讚，而是來回的對話。

第三，負向反饋代價極高。 一次 Block 或 Mute（-74）需要 148 次按讚才能抵消。一次檢舉（-369）需要 738 次按讚。而且這些負分會累積到你的帳號信譽分裡，影響後續所有貼文的分發。

第四，影片完播率權重低得離譜。 只有 0.005，幾乎可以忽略。這和抖音、TikTok 形成鮮明對比，那兩個平台把完播率當核心指標。

官方在同一份文件裡也寫了：「The exact weights in the file can be adjusted at any time... Since then, we have periodically adjusted the weights to optimize for platform metrics.」

權重隨時可能調，而且確實調過。

新版本沒公開具體數值，但 README 裡寫的邏輯框架一樣：正向加分，負向扣分，加權求和。

具體數字可能變了，但量級關係大概率還在。你回覆別人的評論，比收到 100 個讚更有用。讓人想 Block 你，比沒人互動更糟糕。

知道這些後，我們創作者能做什麼

扒完推特的新舊演算法程式碼，結合來看，提煉幾條可操作的結論。

1.回覆你的評論者。 權重表裡「作者回覆評論者」是最高分項（+75），比用戶單方面按讚高 150 倍。不是讓你去求評論，而是有人評論了就回。哪怕回一句「謝謝」，演算法也會記一筆。

2.別讓人想劃走。 一次 block 的負面影響需要 148 次按讚才能抵消。爭議內容確實容易引發互動，但如果互動方式是「這人煩死了，block」，你的帳號信譽分會持續受損，影響後續所有貼文的分發。爭議流量是雙刃劍，砍別人之前先砍自己。

3.外鏈放評論區。 演算法不想把用戶導出站外。正文帶連結會被降權，這點 Musk 自己公開說過。想導流的話，正文寫內容，連結扔第一條評論。

4.別刷屏。 新版程式碼裡有個 Author Diversity Scorer，作用是給同一作者連續出現的貼文降權。設計意圖是讓用戶的 feed 更多樣，副作用是你連發十條不如精發一條。

6.沒有「最佳發文時間」了。 舊版演算法有「發佈時間」這個人工特徵，新版說砍就砍了。Phoenix 只看用戶行為序列，不看貼文是幾點發的。那些「週二下午三點發文效果最好」的攻略，參考價值越來越低。

以上是程式碼層面能讀出來的東西。

還有一些加分減分項來自 X 的公開文件，不在這次開源的倉庫裡：藍標認證有加成、全大寫會被降權、敏感內容觸發 80% 觸達率削減。這些規則沒開源，就不展開了。

總結來看，這次開源的東西挺實在。

完整的系統架構、候選內容的召回邏輯、排序打分的流程、各種過濾器的實現。程式碼主要是 Rust 和 Python，結構清晰，README 寫得比很多商業項目都詳細。

但有幾樣關鍵的東西沒放出來。

1.權重參數沒公開。 程式碼裡只寫了「正向行為加分，負向行為扣分」，具體按讚值多少分、block 扣多少分，沒說。2023 年那版至少把數字亮出來了，這次只給了公式框架。

2.模型權重沒公開。 Phoenix 用的是 Grok transformer，但模型本身的參數沒放。你能看到模型怎麼被調用，看不到模型內部怎麼算的。

3.訓練數據沒公開。 模型是用什麼數據訓出來的、用戶行為怎麼採樣、正負樣本怎麼構造，都沒說。

打個比方，這次開源相當於告訴你「我們用加權求和算總分」，但沒告訴你權重是多少；告訴你「我們用 transformer 預測行為機率」，但沒告訴你 transformer 裡面長什麼樣。

橫向比較的話，TikTok 和 Instagram 連這些都沒公開過。X 這次開源的資訊量，確實比其他主流平台多。只是離「完全透明」還有距離。

這不是說開源沒有價值。對創作者和研究者來說，能看到程式碼總比看不到強。