背景
法国创业者 Arnaud Bertrand 研究了 X 在 GitHub 上公开的最新算法源代码，试图解释为什么大量账号的触达率在近几个月出现断崖式下跌。
结论令人沉默。
自动翻译上线：竞争格局骤变
2026 年 4 月 7 日，X 在全球范围内上线了自动翻译功能。这一功能表面上提升了用户体验，实际上对内容创作者产生了深远影响：
同一个话题下，你要和全球所有语言的相关内容同台竞争。 竞争者数量可能从 5,000 直接跳到 50,000 个量级。
流量池没有变大，但抢流量的人多了十倍。
新算法两阶段分发机制
新版算法分为两个阶段决定你的内容给谁看。
第一阶段：检索
当用户打开 X，系统不再优先加载「你关注的账号发的内容」，而是从当天平台数十亿条帖子里，按照语义相似度筛出约 1,500 条候选内容，匹配用户最近关注的话题。
这 1,500 条里，有一部分来自关注的账号，但另一部分完全来自陌生账号，唯一条件是话题契合度。
一个直观实验：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——大多数来自你从未关注过的账号。
第二阶段：排序
这 1,500 条候选内容由 Grok 模型逐一打分，依据是 15 个预测行为的加权总和。
后四项为负权重，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：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。
算法评分体系的缺席项
Bertrand 特别指出了这份评分体系里的四个关键缺席：
- 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。
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——但这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。
5月15日算法更新：三重机制叠加
在上述基础上，5 月 15 日的算法更新又叠加了三个机制，每一个都在进一步压缩触达空间。
1. 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。
2. 自家帖子互相竞争
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。
3. 转发放大效应基本消失
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，能否被推送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。
新算法下具有结构性优势的内容特征
把所有机制叠加在一起，Bertrand 总结出以下特征：
- 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。
内容策略调整建议
如果你在 X 上做内容，以下几点值得调整策略：
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。