马斯克将 X 推荐算法改写成 Transformer 架构并开源，但未公开模型权重与训练资料。
（前情提要：马斯克线上维权 OpenAI：昔日「榜一大哥」怒索 1340 亿美元，情怀终究败给了生意？ ）
（背景补充：在 X 平台上写文章赚钱的终极指南》马斯克推出X Articles加倍收益、设定受众、提出事实、删减废话、宣传订阅… ）

本文目录

• 从硬规则到 AI 预测的全面切换
• 推荐分数公式显示「注意力经济」
• 开源范围与黑盒边界

美国时间 1 月 20 日，Elon Musk 将 X 平台推荐算法的新代码「Phoenix」上传至 GitHub。文件显示，系统已从过去的手动特征工程全面转向以 Transformer 为核心的 AI 架构，但并未将模型权重与训练资料一起释出。

从硬规则到 AI 预测的全面切换

过去十多年，X（前身 Twitter）的推文排序主要依赖工程师写定的「如果…就…」规则，例如关键词、追踪关系或停留时间。根据现在 X 披露的代码结构，Phoenix 已移除大部分手动特征，改以与 xAI 旗下 Grok 同源的 Transformer 解析用户行为序列。

点赞、分享、封锁、浏览时长等动作被视为连续事件，模型通过概率分布预测下一步，决定内容曝光程度和范围。

推荐分数公式显示「注意力经济」

在 Git 文件中，能见到最核心的计算逻辑被简化成：

Score = Σ (Probability × Weight)

这说明包含估算用户对单则推文触发各种行为的概率，再乘以平台设定的权重。

举例而言，若点赞概率 60%、封锁概率 5%，而平台对「点赞」给予正权重，「封锁」给予负权重，最终分数将直接影响该推文是否进入推荐流。文件指出，停留时间甚至能被量化至秒级，意味着内容创作者将更被算法导向「留人」目标，至于各行为具体权重值，代码库并未揭露。

开源范围与黑盒边界

虽然程序码可供浏览，真实模型参数与完整训练资料并未公开。市场分析认为，相较 TikTok 或 Meta 的完全封闭，Phoenix 至少提供运算流程；但缺乏权重，外部开发者无法验证推荐效果，也无法重现模型。

这与 2023 年 X 初次开源时可见部分参数的情况形成对比，马斯克通过「展示性开源」回应 Slashdot 等社区对透明度的质疑，却保住了真正的商业护城河。

Phoenix 也象征 X 与 xAI 的技术栈已经整合，X 平台以庞大即时互动数据喂养 Grok，再让 Grok 回头主导流量分配，形成闭环。