社交媒体迎来“AI说了算”时代？|图源：豆包AI

作者／ IT时报 贾天荣

编辑／ 王昕 孙妍

北京时间1月11日，当马斯克轻描淡写地说出那句——“七天后开源算法”时，几乎所有人都当成了又一次“画饼”。

毕竟，这几个月，X.com平台风波不断，裁员、平台出现AI生成争议性内容、与监管机构摩擦不断……

但这一次，虽然不是那么准时，他确实交卷了。

1月20日，X平台工程团队@XEn正式宣布：全新的X推荐算法已在GitHub开源。这套算法采用了与xAI旗下Grok模型相同的Transformer架构。开源信息迅速引发巨大关注，相关帖子浏览量接近4000万，即便是偏“硬核”的源码仓库，两天内也收获了1万+收藏。

国内外一些手快的网友们都已经开始根据算法总结如何成为大V了。

AI主导推荐机制

在官方说明文件中，X明确写道：“他们已经移除了所有手工设计的特征和大多数人工规则。”

这意味着什么？

过去，内容是否被推荐，背后是一套高度工程化的规则体系：点赞权重多少、转发权重多少、粉丝数是否加成、人工白名单、人工降权……本质上，是“人写规则，让机器执行”。

而现在，这些“人写给机器看的规则”，基本不复存在了。

取而代之的是一套由AI主导的推荐系统——一个与Grok使用同类Transformer架构的模型。它通过观察用户过去的每一次点赞、每一次手滑转发、每一条深夜回复，逐渐学会人们会对什么样的内容产生反应和兴趣，并据此决定今天要把什么内容推到网民眼前。

许多人都有过类似的疑惑，为什么某些内容总能精准出现在自己的阅读时间线上？这次开源首次清晰揭示了X信息流的内部结构。X用户每天刷到的内容，主要来自两个系统：

一个叫Thunder：你的专属“盯梢员”。它只干一件事——实时搬运所有你关注的人发的动态，确保你不错过任何一条。它提供亚毫秒级的快速查询，快如闪电，是信息流里的“保底机制”。

真正决定你刷到哪些“意料之外的内容”的，是另一个系统——Phoenix。它在全平台无数的推文里大海捞针，只为了回答一个问题：虽然你没关注，但你大概率会喜欢这个。

这里有一个颠覆很多人认知的点：粉丝数，在这一层几乎不重要。只要模型判断用户会有反应，一条小号内容，也可能被推到眼前。

AI在为每条内容“预言未来”

那么，Phoenix是如何判断一条内容“值不值得推”的？不是数赞，也不看粉丝。而是在做一件更“科幻”的事情——预测你接下来会产生什么行为。

具体来说，模型会预测用户在看到一条内容后，可能发生的15种行为，包括点赞、回复、转发、引用、点击、展开图片、观看视频、停留阅读、访问主页、关注作者、分享等正向互动，也包括“不感兴趣”、静音作者、屏蔽作者和举报内容等负面反应。

这些复杂、多变、带有强烈情绪色彩的人类瞬间反应，被统一转化成可计算的概率值，并按权重加总，形成一条内容的最终得分Final Score。

通俗地讲，如果算法预测用户会对某条帖子有更多正向互动，它就会更倾向于把这条内容推荐给这位用户。

这意味着，一条内容的价值，不在于它已经获得了什么，而在于算法预测它未来会引发什么。系统在试图量化“共鸣”和“厌恶”的概率。

这很科幻，也很真实。

另外，在打分之前，内容要先过“安检”，9个过滤器会像安检门一样，快速筛掉一些没有参赛资格的“选手”，如重复ID、信息不完整、过时、自己发送的帖子、已经看过等。

普通创作者能做什么？

看到这里，很多创作者会产生焦虑：如果一切都交由AI决定，是不是意味着再也没有“流量技巧”了？

恰恰相反，这套算法反而给了X平台上普通创作者更清晰的方向。

前提是你得放弃过去那套“流量技巧”，开始按AI的思维方式和逻辑来创作。

从X平台源码中可以清楚地得出几个结论。

回复评论的权重极高，“评论+作者回复”的综合权重，约等于单纯点赞的75倍。换句话说，不回复评论，几乎等同于在告诉算法：这条内容不值得继续扩散。

其次，X的算法非常重视用户的停留阅读时间。连续刷屏式发布，用户快速划走，反而会被模型判断为“不值得花时间”。一条有信息密度、有阅读价值的内容，胜过十条刷存在感。

视频也是如此。X并不看完播率，它只关心你会不会点开。因此，封面、标题和开头远比剪辑是否精致重要。

至于账号的粉丝基数，本身并不是问题。Phoenix在候选阶段几乎不看粉丝数，它只关心用户向量与内容向量是否匹配。“小号”只要能引发互动，同样有机会被推；而就算是“大号”，如果持续引发负反馈，对于传播的影响也是“致命”的。

马斯克承诺，这一过程将每四周更新一次，这既意味着创作者们有更多机会根据数据调整自己的创作策略，但也意味着他们始终处在一个不断变化的博弈环境中。

把X的推荐算法拆开来看，它确实比过去更透明，也在某种意义上更“公平”。粉丝数的影响被削弱，人工规则被移除，内容不再依赖人为调参来决定命运。但如果你是一个长期创作的人，而不是短期追逐流量，这套系统其实也埋下了不容忽视的隐患。

在AI的视角里，争议往往比正确更容易加分，情绪和冲突也比理性更容易被放大。系统并不关心内容是否克制、是否严谨，而是它是否足够“可触发”。极端观点、强烈情绪，天然更容易制造互动，只要没有触发举报或屏蔽，就可能在算法体系中被持续放大。

这是一个危险的诱惑，当创作者开始带着“模型认为什么样的内容更可能引发反应”这样的思路来创作时，创作本身就已经发生了转向——从自我表达，变成了讨好一个通过预测人类行为来运转的AI。这是否会违背创作者最初的本心，变成了一个无法回避的问题。

也许，创作者需要真正警惕的不是算法本身，而是把算法当成唯一目标。这套X的推荐系统，非常适合当一个放大器，但不适合当一个指南针。

有些讽刺的是，过去马斯克曾多次谈及人工智能对人类社会的潜在威胁，其中一个他反复提到的场景，是AI通过操纵情绪和舆论来影响公众认知。

也许，X在这条路上会走得比我们想象中更远。

TIPS AI可以打败AI吗？

如果AI已经开始预测人类，那问题来了：制造爆款，能不能用AI对付AI？记者把X平台上的公开源仓库同时丢给了GPT、Google Gemini和DeepSeek，让它们按X一贯的爆款逻辑，推演一篇“注定要火”的文章。GPT-5和Google Gemini 3 Pro甚至还贴心地配好了图。

GPT-5生成

DeepSeek生成

Gemini3Pro生成

结果很有意思。AI确实很会“讨好算法”：结构、节奏、关键词、情绪钩子，看上去几乎都踩在推荐系统的舒适区里。但这些内容，真的会是人类愿意停下来读、愿意转发的吗？

至少从生成的结果来看，AI很懂AI，但离真正“懂人”，可能还差一点。

排版／ 季嘉颖

图片／ GPT—5 DeepSeek Gemini3 豆包AI unsplash

来源／《IT时报》公众号vittimes

E N D