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 · X 2026-05-30 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"。