X算法大改:你的粉丝积累,基本上白费了 · AI HOT
向阳乔木@vista863
2026-05-30 19:49·33天前
AI 摘要法国创业者Arnaud Bertrand通过分析X在GitHub公开的最新算法代码,揭示创作者触达率暴跌的核心原因。其一是2026年4月上线的自动翻译功能,使同一话题下的内容竞争者数量级激增。其二是新版算法采用两阶段排序:先基于话题语义从数十亿帖子中筛选约1,500条候选帖,再由Grok模型依据15个预测行为打分,其中粉丝量与账号历史权重被大幅削弱。5月15日更新进一步引入一次性曝光过滤、作者多样性评分等机制。结论是算法结构性偏爱带媒体、情绪化、强话题性的内容,每条内容需独立竞争,话题选择比账号积累更重要。
向阳乔木@vista8 · X2026-05-30 19:49·33天前
在 X 看原推· x.comAI 摘要法国创业者Arnaud Bertrand通过分析X在GitHub公开的最新算法代码,揭示创作者触达率暴跌的核心原因。其一是2026年4月上线的自动翻译功能,使同一话题下的内容竞争者数量级激增。其二是新版算法采用两阶段排序:先基于话题语义从数十亿帖子中筛选约1,500条候选帖,再由Grok模型依据15个预测行为打分,其中粉丝量与账号历史权重被大幅削弱。5月15日更新进一步引入一次性曝光过滤、作者多样性评分等机制。结论是算法结构性偏爱带媒体、情绪化、强话题性的内容,每条内容需独立竞争,话题选择比账号积累更重要。
五月更新又加了三把刀
5 月 15 日的算法更新在上述基础上又叠加了三个机制,每一个都在进一步压缩触达空间。
新增了"impression bloom filter",一条帖子一旦被推送给某个用户,系统就不会再推送第二次。
以前,一条质量高的帖子可以在用户多次刷新中反复出现、持续积累互动。现在只有一次机会。
排序阶段加入了"作者多样性评分器":如果你有多条帖子同时进入某个用户的候选池,系统只给第一条完整权重,其余的都会被压分。
连续在同一话题上密集发帖,后续内容的分发效率会系统性衰减。
旧算法里,一个拥有 10 万粉丝的账号转发你,你的帖子会直接广播到他的粉丝时间线,是真实的流量放大器。
新算法里,转发内容同样要经过检索和排序两个阶段,能不能被推送给别人,取决于内容本身的语义价值,而不是转发者的粉丝规模。
低质量的引用转发受冲击最大,因为这类内容本身语义信息量不足,根本过不了检索阶段的话题匹配。
这套算法结构性偏爱什么样的内容
把所有机制叠加在一起,Bertrand 总结出了在新算法下具有结构性优势的内容特征:
换句话说,这套算法激励的是情绪刺激,而不是信息质量。
对内容创作者真正有用的结论
进入检索阶段靠的是话题匹配,选一个本身就有大量用户在关注的话题,比你有多少粉丝更关键。
旧的"养号"逻辑,靠粉丝基础保底分发,在新算法下基本失效。
密集发帖会自我稀释,同一时段多条帖子进入同一用户的候选池,系统会主动压后续内容的权重。
这套算法衡量的是"人们会不会和这条内容互动",而不是"人们应不应该看到这条内容"。
自动翻译上线之后,同一个话题下,你要和全球所有语言的相关内容同台竞争,竞争者数量可能直接从 5000 跳到 50,000 个量级。
算法的底层逻辑:粉丝不再是护城河
当一个用户打开 X,系统不会优先加载"你关注的账号发的内容",而是从当天平台上的数十亿条帖子里,按照语义相似度筛出约 1,500 条候选内容,匹配这个用户最近在关注什么话题。
这 1,500 条里,有一部分来自他关注的账号,但另一部分完全来自陌生账号,唯一条件是话题契合度。
你可以做个实验:连续几天大量点赞某个明星的视频,很快你的时间线就会被这个明星的内容淹没,而且大多数来自你从未关注过的账号。
这 1,500 条候选内容会被 Grok 模型逐一打分,依据是 15 个预测行为的加权总和:
后四项是负权重,预测会引发大量负面反应的内容会被系统主动压制。
带视频或图片的帖子有结构性优势,因为 video\view 和 photo\expand 这两个维度只有带媒体内容的帖子才能得分,纯文字直接少两个加分项。
算法完全不在乎的那些事
Bertrand 特别指出了这份评分体系里的缺席项。
没有"这个账号是否有十年经过验证的分析积累"的权重。
没有"关注这个账号的人是否本身具有可信度"的权重。
算法只问一件事:这条内容会不会让人有所反应。至于反应是因为内容好,还是因为内容足够刺激、足够情绪化,它不区分。
有人会说,长期积累品牌的账号自然会有更好的互动数据,这是间接优势。
这话没错,但 Bertrand 的反驳也很直接:那些品牌是在旧算法下建立的,旧算法给粉丝数量和账号声誉更多权重。
五月更新又加了三把刀
5 月 15 日的算法更新在上述基础上又叠加了三个机制,每一个都在进一步压缩触达空间。
新增了"impression bloom filter",一条帖子一旦被推送给某个用户,系统就不会再推送第二次。
以前,一条质量高的帖子可以在用户多次刷新中反复出现、持续积累互动。现在只有一次机会。
排序阶段加入了"作者多样性评分器":如果你有多条帖子同时进入某个用户的候选池,系统只给第一条完整权重,其余的都会被压分。
连续在同一话题上密集发帖,后续内容的分发效率会系统性衰减。
旧算法里,一个拥有 10 万粉丝的账号转发你,你的帖子会直接广播到他的粉丝时间线,是真实的流量放大器。
新算法里,转发内容同样要经过检索和排序两个阶段,能不能被推送给别人,取决于内容本身的语义价值,而不是转发者的粉丝规模。
低质量的引用转发受冲击最大,因为这类内容本身语义信息量不足,根本过不了检索阶段的话题匹配。
这套算法结构性偏爱什么样的内容
把所有机制叠加在一起,Bertrand 总结出了在新算法下具有结构性优势的内容特征:
换句话说,这套算法激励的是情绪刺激,而不是信息质量。
对内容创作者真正有用的结论
进入检索阶段靠的是话题匹配,选一个本身就有大量用户在关注的话题,比你有多少粉丝更关键。
旧的"养号"逻辑,靠粉丝基础保底分发,在新算法下基本失效。
密集发帖会自我稀释,同一时段多条帖子进入同一用户的候选池,系统会主动压后续内容的权重。
这套算法衡量的是"人们会不会和这条内容互动",而不是"人们应不应该看到这条内容"。