Elon Musk reescreveu o algoritmo de recomendação da plataforma X com uma arquitetura Transformer e o open-sourced, mas não divulgou os pesos do modelo nem os dados de treino.
(Antecedentes: Elon Musk defende o OpenAI online: o antigo “irmão mais velho” exige 1340 bilhões de dólares, o sentimento acaba vencendo os negócios?)
(Informação adicional: Guia definitivo para ganhar dinheiro escrevendo artigos na plataforma X » Musk lança X Articles com ganhos dobrados, definição de público, apresentação de fatos, eliminação de papo furado, promoção de assinaturas…)

Índice do artigo

• Da regra rígida à previsão de IA de forma abrangente
• Fórmula de pontuação de recomendação revela a “economia da atenção”
• Escopo do open source e limites da caixa preta

Na manhã de 20 de janeiro, horário dos EUA, Elon Musk enviou o novo código do algoritmo de recomendação da plataforma X, chamado “Phoenix”, para o GitHub. Os documentos mostram que o sistema passou de uma engenharia de características manual para uma arquitetura de IA baseada em Transformer, mas os pesos do modelo e os dados de treino não foram liberados.

Da regra rígida à previsão de IA de forma abrangente

Nos últimos dez anos, a ordenação de tweets no X (antigo Twitter) dependia principalmente de regras “se… então…”, criadas por engenheiros, como palavras-chave, relações de seguimento ou tempo de permanência. De acordo com a estrutura de código divulgada pelo X agora, o Phoenix removeu a maior parte das características manuais, substituindo por uma análise de comportamento do usuário baseada em Transformer, semelhante à Grok, da xAI.

Ações como curtir, compartilhar, bloquear e tempo de navegação são tratadas como eventos contínuos, e o modelo prevê a próxima ação usando uma distribuição de probabilidade, decidindo o nível e o alcance da exposição do conteúdo.

A fórmula de pontuação de recomendação revela a “economia da atenção”

Nos arquivos do Git, a lógica de cálculo mais central foi simplificada para:

Score = Σ (Probability × Weight)

Isso indica que o sistema estima a probabilidade de o usuário desencadear várias ações em uma única publicação, multiplicando pelo peso definido pela plataforma.

Por exemplo, se a probabilidade de curtir for 60% e de bloquear 5%, e a plataforma atribuir peso positivo ao “curtir” e peso negativo ao “bloquear”, a pontuação final influenciará diretamente se o tweet entra na fila de recomendações. Os documentos apontam que o tempo de permanência pode até ser quantificado em segundos, o que significa que os criadores de conteúdo serão mais direcionados pelo algoritmo para “manter o usuário”, embora os valores específicos de peso para cada ação não tenham sido revelados no código.

Escopo do open source e limites da caixa preta

Embora o código esteja acessível para visualização, os parâmetros reais do modelo e os dados completos de treino não foram divulgados. Análises de mercado sugerem que, em comparação com TikTok ou Meta, que são completamente fechados, o Phoenix pelo menos fornece o fluxo de processamento; mas, sem os pesos, desenvolvedores externos não podem verificar a eficácia das recomendações nem reproduzir o modelo.

Isso contrasta com a primeira abertura do código do X em 2023, que revelou alguns parâmetros. Musk respondeu às críticas de transparência de comunidades como Slashdot com uma “abertura demonstrativa”, mas manteve a verdadeira vantagem competitiva sob sigilo.

Phoenix também simboliza a integração da pilha tecnológica do X com a xAI, onde a plataforma alimenta o Grok com uma grande quantidade de dados de interação em tempo real, e o Grok, por sua vez, lidera a distribuição de fluxo, formando um ciclo fechado.