乔木博客

全部

AI工具

AI教程

AI生成

AI资讯

健脑房

播客解读

论文学习

X 算法大改版：你的粉丝积累，基本上白费了

AI资讯

·

2026年5月30日

·

246 次阅读

·

约 7 分钟

一个经营了十年账号的创作者，和一个昨天刚注册的陌生人，在新版 X 算法眼里没有任何区别。

法国创业者 Arnaud Bertrand 仔细研究了 X 在 GitHub 上公开的最新算法代码，试图搞清楚为什么这么多账号的内容触达率在最近几个月断崖式下跌。

算法源代码： https://github.com/xai-org/x-algorithm#updates--may-15th-2026

他的结论，读完之后有点让人沉默。

原贴：https://x.com/RnaudBertrand/status/2058450505630716013

触达率暴跌，第一个原因甚至和算法无关

2026 年 4 月 7 日，X 在全球范围内上线了自动翻译功能。

这个功能听起来是好事，但对内容创作者来说，它悄悄改变了竞争格局。

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。

流量池没变大，但抢流量的人多了十倍。

算法的底层逻辑：粉丝不再是护城河

新版算法分两个阶段决定你的内容给谁看。

第一阶段是检索。

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。

第二阶段是排序。

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：

行为

说明

P(favorite)

用户点赞

P(reply)

用户回复

P(repost)

用户转发

P(quote)

用户引用转发

P(click)

用户点击链接

P(profile_click)

用户点进你的主页

P(video_view)

用户观看视频

P(photo_expand)

用户展开图片

P(share)

用户分享（私信或站外）

P(dwell)

用户停留在帖子上

P(follow_author)

用户看完后关注你

P(not_interested)

用户标记"不感兴趣"

P(block_author)

用户拉黑你

P(mute_author)

用户屏蔽你

P(report)

用户举报帖子

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"这条内容是否真实、有来源"的权重。

没有"作者是否真正懂这个领域"的权重。

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。

现在规则变了，历史积累的转化效率大幅下降。

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。

一次性曝光规则。

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。

自己的帖子互相竞争。

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。

转发的放大效应基本消失。

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：

带视频或图片

话题本身具有全球热度，容易通过检索阶段

能激发强烈情绪反应，无论是喜欢还是愤怒

不依赖既有受众，每条内容独立参与竞争

不在意准确性，因为算法根本不测量这一维度

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

如果你在 X 上做内容，有几件事值得调整策略：

话题选择比账号积累更重要。

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。

每条帖子都要当作独立作品来做。

旧的"养号"逻辑，靠粉丝基础保底分发，在新算法下基本失效。

每条内容要有独立吸引陌生用户的能力。

带媒体内容有结构性加分，不是可选项而是基本配置。

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。

最后一点，也是最值得记住的：

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"。

这两件事，差得很远。

© 2026

·

向阳乔木