X 演算法開源：權重公開之後，反而更清楚黑箱在哪

TL;DR 2026-08-13 的發布新增 363,246 行，首次公開 For You 的排序權重：favorite 0.5、reply 5.0、report −234.0。但權重是常數，真正決定順序的 P(action) 來自一個 2560 維、8 層的 transformer。

#recommendation #ranking #ai-transparency #open-source #algorithm

三次發布，規模差了兩個數量級
權重是常數，變動的是機率
黑箱搬去哪了
這次真正的新東西：可見度過濾
整體來說
參考資料

🌏 English version

2026-08-13，xai-org/x-algorithm 推進了一個新增 363,246 行、變動 2,053 個檔案的 commit，交出了所有人吵了三年要的東西：排序權重。

在此之前的兩次發布有一個很尷尬的細節。1 月與 5 月版的 home-mixer/scorers/ranking_scorer.rs 已經在呼叫 params.get(FavoriteWeight)，但 home-mixer/params/ 這個目錄根本不在 repo 裡。程式碼看得到，數值看不到。Engadget 在 2 月訪問三位研究者時，X 的說法是這些資訊「因安全理由」被排除。

現在補上了：183 個 param! 宣告，26 個動作的權重一個不缺。

這篇要講的是：權重交出來之後，看得更清楚的其實是它決定不了什麼。

三次發布，規模差了兩個數量級

repo 的 git 歷史只有 5 個 commit，全部由 CI agent 產出，訊息一模一樣。--stat 才說了實話：

發布日期	檔案變動	新增行數	內容
2026-01-20	79	8,816	4 個目錄：`home-mixer`、`phoenix`、`thunder`、`candidate-pipeline`
2026-05-15	187	18,263	Grox 內容理解、廣告混排、新候選來源
2026-08-13	2,053	363,246	權重、可見度過濾、安全標籤鏈、Phoenix 生產環境訓練程式碼

TechCrunch 報導這次「讓程式碼庫大了約 10 到 15 倍」，跟 git 對得上。順帶一提，Musk 在 1 月承諾「每 4 週更新一次，附完整開發者說明」——7 個月，3 次。

權重是常數，變動的是機率

整個 For You 的排序就一行：

Final Score = Σ (weight_i × P(action_i))

Phoenix 模型讀你最近的行為序列，對每則候選貼文吐出 26 個機率；RankingScorer 用 param.rs 裡的常數加權加總。以下是 2026-08-13 生產環境的預設值：

類別	Action	權重
互動	favorite	0.5
	reply	5.0
	reply（互相追蹤者的原創貼文加成）	+15.0
	retweet	1.0
	quote	5.0
	share	2.0
	share via DM	5.0
	share via copy link	20.0
點擊	click / open link / profile click	0.4 / 0.2 / 0.0
	photo expand / video open / video quality view	0.05 / 0.05 / 0.05
注意力	dwell / 連續 dwell time	0.0 / 0.004
作者	follow author	4.0
負向	not interested	−43.2
	block author	−31.2
	mute author	−58.8
	report	−234.0
	not dwelled	−0.02

加權之後還有三道調整（都在 ranking_scorer.rs）：同作者的第 n 則貼文乘上衰減係數 0.5、下限 0.25；非追蹤帳號的貼文乘 0.75；曝光未滿 1,000 且粉絲數 ≤1,000 的作者，24 小時內的新貼文會被拉抬到第 15 到 16 個位置。貼文年齡則是硬切——MAX_POST_AGE = 48 * 60 * 60，48 小時直接丟棄，沒有衰減函數。

看到 report = −234.0 就想換算成「一次檢舉等於損失 468 個 like」的人，先讀同一個檔案在權重宣告正上方的註解：

These weights reflect a combination of how much an action is valued in ranking and typical propensities of these actions across the X network (e.g. negative feedback is overall rare).

權重裡已經內含各行為的發生率補償。 最終貢獻是 weight × P(action)，而 P(report) 在量級上遠低於 P(favorite)。把兩個權重相除得到「等於幾個 like」，算術沒錯，前提被丟掉了。

這也是整張表最該記住的一句：權重是常數，每則貼文之間唯一在變的是 P(action)。 你的貼文排在哪裡，決定權不在這 26 個數字，在那個吐出機率的模型。

（順帶一提，網路上流傳最廣的「reply 是 like 的 27 倍」是 2023 年 twitter/the-algorithm 的舊值，現行是 10 倍；而「作者回覆你的 reply 值 75 倍」在現行的 26 個預測目標裡根本沒有這個頭。）

黑箱搬去哪了

排序的複雜度沒有消失，只是全部被吸進模型。README 對此毫不避諱：

We have eliminated every single hand-engineered feature and most heuristics from the system.

phoenix/README.md 給了生產環境的配置：排序模型 embedding 維度 2560、8 層 transformer、GQA 20 個 query head 對 4 個 KV head、歷史序列長度 1022、每次評分 64 個候選、使用者 / 物品 / 作者的雜湊詞表各 1 億 / 1 億 / 3,000 萬。檢索階段是雙塔架構，候選索引 1,024 萬則貼文（合併配置 2,867 萬）。

兩個設計決定值得記：

candidate isolation。推論時候選之間不能互相 attend，只能 attend 到使用者與歷史。這讓一則貼文的分數與同批候選無關，可快取、可重現。代價是放棄 slate 級最佳化。

semantic ID。貼文除了雜湊 ID，還帶 6 層 × 256 codes 的殘差量化代碼，由多模態 embedding 導出。同主題貼文共享前綴，讓模型對沒見過的新貼文也有內容層面的泛化。

這正是研究者的批評所在。Cornell 的 John Thickstun 對 Engadget 說，決策「不只移出了公眾視野，甚至移出了連內部工程師自己都還能理解的範圍」。Graz 的 Ruggero Lazzaroni 說得更直接：「我們有跑演算法的程式碼，但沒有跑演算法所需要的模型。」

8 月這版補了訓練程式碼與合成資料產生器，phoenix/QUICKSTART.md 宣稱單張 GPU 就能端到端跑完訓練與 gRPC serving；5 月版附的那個 128 維 4 層 mini checkpoint 則被移除了，TRAINING.md 的原話是「No pretrained checkpoint is included」。TechCrunch 引述 X 的說法，發布前已有外部研究者成功訓練並執行 Phoenix，但拿不到 per-post 分數。生產環境的權重與訓練資料仍未公開。（這條我沒實際驗證，手上沒有 GPU。）

這次真正的新東西：可見度過濾

如果只看排序，8 月這版的增量有限。真正新的是 visibility-filtering/ 及其上游整套標籤系統——而 X 自己在 README 裡把它跟排序明確切開：

排序決定順序          →  home-mixer/scorers/
可見度決定能不能出現   →  visibility-filtering/
                         不同服務、不同輸入、不同規則

visibility-filtering/rules/registry.rs 對每一組（貼文、觀看者）回答三選一：allow、interstitial（擋在警示頁後，讀者可以點擊略過）、drop。規則分兩組，第一條回答 drop 就結束評估：

base policy：帳號停權 / 停用 / 資料抹除 / 已移出平台、受保護帳號、觀看者封鎖或靜音作者、靜音轉推、垃圾訊息標籤、法律下架與地方法規下架、過期貼文、成人與血腥暴力的警示頁、未登入 / 未成年 / 未填寫年齡者的敏感內容攔截。
recommendations-only policy：額外 27 條，只在這則貼文是來自非追蹤帳號的推薦時生效，而且只能 drop。包括高召回率的垃圾訊息、DMCA 媒體、地理限制媒體、惡意網址、do-not-amplify、冒充帳號（高精確率）、被盜帳號、唯讀帳號、頭像 / 橫幅為成人內容的帳號等。

同一則貼文，追蹤者看得到、被推薦的人看不到——這個設計值得多想一下。過去外界爭論的「shadowban」，在這裡是一份可以逐條讀、逐條批評的公開清單。而且它是連坐的：AncillaryVFFilter 會把「祖先貼文、被引用貼文或被轉推貼文遭 drop」的貼文也一併移除。

這些標籤從哪來？8 月這版把整條產線都放上來了：

內容理解（持續跑，不在請求路徑上）
  grox/                 貼文與媒體的分類器（Grok 系）
  media-model-proxy/    圖片與影片模型：成人、血腥、仇恨符號
  clip/                 上述模型吃的圖文 embedding
  agatha/               依別人怎麼回應貼文來標記帳號（封鎖、檢舉 vs 收藏）
  bdsm/                 從帳號的行為序列偵測非真實帳號
  user-cred-v2/         在追蹤關係與互動關係的圖上跑 PageRank
        ↓
標籤規則
  scarecrow/            事件觸發，內嵌 botmaker 當規則引擎
  botmaker/             規則語言本身：語法、compiler、runtime
  abuse-enforcement-service/  依模型分數標記、挑戰或停權帳號
        ↓
  儲存 → 請求路徑上讀回 → visibility-filtering

bdsm/ 那份 README 值得單獨看：一個雙向 transformer encoder 讀帳號的行為序列，用時間感知的 RoPE（旋轉位置編碼由正規化後的動作時間戳驅動，而非 token 索引）來表示動作之間的節奏——突發性、機械式規律。八個任務頭（task head）分別判斷 FollowBot、LikeBot、EngagementAmplifier、ReplySpamBot、TweetSpamBot、RTBot、MultiActionBot、LegitimateUser。

搭配的是同日上線的 Under the Hood：符合條件的帳號（註冊滿一年、上個月發文 ≥10 則）可以下載 JSON，看自己的帳號與貼文在上個日曆月被貼過哪些會影響可見度的標籤。目前是隨機抽樣試行。

被保留的部分同樣具體。grox/flows/*/prompts.py 呼叫了十幾個 Jinja2 模板，而整個 repo 裡 .j2 檔案的數量是 0。也就是說：「這則貼文算不算違規」的實際判準，一條都沒公開。X 的 VP of Product Keith Coleman 對 TechCrunch 的說法是，這是為了避免有心人繞過規則灌爆平台。

整體來說

這次開源真正改變的，不是「你能不能重現 X 的 feed」——不能，沒有權重也沒有資料。

改變的是爭論的位置。過去大家吵「他們是不是偷偷降權」，現在可以吵那 27 條 only-drop 規則的界線劃在哪、report 拿到 favorite 的 468 倍量級對不對、把 bidirectional_follow_reply_weight_boost 從 20 調到 15 的理由是「世界盃討論太少」算不算好的產品決策——最後這件事 X 自己寫在 docs/BIDIRECTIONAL_BOOST_CHANGE.md 裡，連 7/10 開 A/B 測試、7/13 全面推出、7/24 下調的時間軸都有。

這是真實的透明，但很窄。它把規則變成公開文本，同時把判斷更深地藏進模型：排序的判斷在 Phoenix 的 2560 維裡，違規與否的判斷在那些沒公開的 j2 prompt 裡。至於歐盟 DSA 真正要的東西——研究者能存取平台輸出——X 的 API 定價正好把那條路封死；Hacker News 上的討論對這點的批評比對程式碼本身還多。

如果你在做推薦系統，這份 repo 大概是目前公開資料裡最完整的生產級參考架構，Apache-2.0，可商用。如果你在意的是自己的貼文為什麼沒人看到，param.rs 只能告訴你平台重視什麼；要知道它判斷了你什麼，得去 Under the Hood 下載那份 JSON。

參考資料

xai-org/x-algorithm — X For You feed 演算法原始碼，Apache-2.0
x-algorithm: phoenix/README.md — Phoenix 排序與檢索模型架構、生產環境配置表
x-algorithm: docs/BIDIRECTIONAL_BOOST_CHANGE.md — X 官方示範的演算法調參逐日紀錄
twitter/the-algorithm — 2023 年那次開源的舊版原始碼
X open sources its ranking algorithm, letting users see if they've been 'shadowbanned' — TechCrunch，含 X VP of Product Keith Coleman 專訪
X open sources its algorithm while facing a transparency fine and Grok controversies — TechCrunch 對 2026-01 首次發布的報導
X's 'open source' algorithm isn't a win for transparency, researchers say — Engadget，訪問 Cornell、Graz、CMU 三位研究者
X For You Feed Algorithm — Hacker News — 2026-01 發布當時的社群討論
Under the Hood 標籤透明度工具 — X 官方試行中的帳號標籤查詢頁