How the X Algorithm Actually Works in 2026 — and What That Means for Growth

Puntos clave

1. Fuente principal. lanzamiento de código abierto xai-org/x-algorithm el 15 de mayo de 2026. El informe está fechado el 2026-05-16 (probablemente D+1 del lanzamiento). Fecha de incorporación a la veille: 2026-05-16 (= hoy).
2. 4 componentes arquitectónicos.
3. Home Mixer. (x-algorithm/home-mixer/) — orquestador Rust en tiempo de solicitud, pipeline hydrate → source → hydrate → filter → score → select → filter.
4. Thunder. (x-algorithm/thunder/) — almacén en memoria en Rust alimentado por Kafka con publicaciones recientes, búsquedas de sub-milisegundo para candidatos in-network. Archivos clave: thunder/main.rs, thunder/post_store.rs, thunder/kafka_utils.rs.
5. Phoenix. (x-algorithm/phoenix/) — servicio de ML en JAX, dos funciones: (1) recuperación two-tower para OON, (2) ranking mediante un transformer derivado de Grok-1 que predice 19 acciones.
6. Grox. (x-algorithm/grox/) — servicio offline de comprensión de contenido, clasificadores (spam, seguridad, PTOS, banger, ranking de respuestas) + embedder multimodal v5. No forma parte de la ruta crítica (hot path); escribe en el feature store, Home Mixer hidrata las señales.
7. Pipeline de Home Mixer (arquitectura citada del README). 1. Hidratación de la consulta (Secuencia de Acciones del Usuario + Características del Usuario) 2. Fuentes de candidatos (Thunder in-network + recuperación Phoenix OON + anuncios + a-quién-seguir + temas + MoE + prompts) 3. Hidratación (metadatos principales, información del autor, medios, recuentos de interacción) 4. Filtrado previo a la puntuación (deduplicación, antigüedad, autopublicaciones, bloqueos, silenciados, paywall, ya visto) 5. Puntuación (Phoenix Scorer P(acción) para cada una de las 19 acciones → Weighted Scorer Σ(peso × P) → Diversidad de Autor → OON Scorer) 6. Selección (ordenar por puntuación final, seleccionar el top K) 7. Filtros posteriores a la selección (VFFilter para eliminaciones/spam/violencia/gore, deduplicación de conversaciones)
8. Las 19 acciones predichas por Phoenix. (phoenix/runners.py:233-252, home-mixer/candidate_pipeline/candidate.rs:30-51 PhoenixScores):
9. Positivas. 0 favorite, 1 reply, 2 repost, 3 photo_expand, 4 click, 5 profile_click, 6 vqv (condicionado), 7 share, 8 share_via_dm, 9 share_via_copy_link, 10 dwell, 11 quote, 12 quoted_click, 13 follow_author, 18 dwell_time (continua)
10. Negativas. (NEGATIVE_FEEDBACK_INDICES = [14, 15, 16, 17]): 14 not_interested, 15 block_author, 16 mute_author, 17 report
11. Nuevas señales de primer nivel frente a 2023. dwell_time continua (no solo binaria), vqv_score (condicionado por MIN_VIDEO_DURATION_MS), follow_author_score (Phoenix predice "si esta publicación le hará ganar un seguidor a su autor"), 3 variantes de share (share, share_via_dm, share_via_copy_link).
12. Fórmula de puntuación. (home-mixer/scorers/weighted_scorer.rs:44-91): ` score = Σ_i (weight_i × P(action_i)) × OON_WEIGHT_FACTOR (si es OON, si no 1) × diversity_multiplier(position) + offset_score() (mantiene ordenados los agregados negativos) ` donde vqv_weight se reemplaza por 0 si video_duration_ms ≤ MIN_VIDEO_DURATION_MS.
13. Advertencia CRÍTICA — los pesos no están en el lanzamiento.
14. FAVORITE_WEIGHT, REPLY_WEIGHT, RETWEET_WEIGHT, OON_WEIGHT_FACTOR, NEW_USER_OON_WEIGHT_FACTOR, AUTHOR_DIVERSITY_DECAY, AUTHOR_DIVERSITY_FLOOR, MIN_VIDEO_DURATION_MS, NEGATIVE_SCORES_OFFSET, WEIGHTS_SUM, NEGATIVE_WEIGHTS_SUM se referencian todos como crate::params::*.
15. No existe ningún params.rs en el repositorio. (verificado mediante grep -rn exhaustivo).
16. Gestionado por un servicio interno de feature-switch/parámetros de X para pruebas A/B y ajustes sin cambios de código.
17. Implicación. solo las direcciones (positivo frente a negativo, umbral frente a ajuste suave, presencia frente a ausencia de un multiplicador) son citables. Las magnitudes son inventadas.
18. 3 multiplicadores estructurales. (más importantes que los pesos individuales):
19. Penalización OON. (oon_scorer.rs:20-23): score = base_score × OON_WEIGHT_FACTOR if OON else base_score. Comentario en la línea 7: « Priorizar los candidatos in-network sobre los candidatos fuera de red ». Codificación de "los seguidores importan".
20. Excepción OON para nuevos usuarios. (ranking_scorer.rs:220-239): si la cuenta tiene una antigüedad < NewUserAgeThresholdSecs Y sigue a ≥ NEW_USER_MIN_FOLLOWING, la penalización OON se reemplaza por NEW_USER_OON_WEIGHT_FACTOR. Sesgo estructural sobre lo que ven las cuentas nuevas (y, por tanto, lo que pueden alcanzar).
21. Decaimiento de diversidad de autor. (author_diversity_scorer.rs:29-31): multiplier(position) = (1 - floor) × decay_factor^position + floor. Posición = número de publicaciones del mismo autor que ya aparecen más arriba en la lista ordenada. La mejor publicación de un autor conserva su puntuación, cada una posterior se atenúa exponencialmente sin bajar de floor. Implicación de cadencia: estructural, no heurística.
22. Umbral de duración de video. (weighted_scorer.rs:72-81): vqv_score solo entra en la suma ponderada si video_duration_ms > MIN_VIDEO_DURATION_MS. Umbral duro, no penalización suave: los clips demasiado cortos simplemente no reciben la contribución de VQV.
23. Lo que nunca entra en el ranker. (alcance perdido invisible):
24. Filtros previos a la puntuación. DropDuplicatesFilter, CoreDataHydrationFilter, AgeFilter, SelfpostFilter, RepostDeduplicationFilter, IneligibleSubscriptionFilter (paywall), PreviouslySeenPostsFilter, PreviouslyServedPostsFilter, MutedKeywordFilter, AuthorSocialgraphFilter (bloqueo bidireccional, incluido el autor citado en un tuit de cita).
25. Filtros posteriores a la selección. VFFilter (eliminados/spam/violencia/gore), DedupConversationFilter.
26. Umbrales offline de Grox. (elegibilidad, no modificadores de puntuación): task_spam_detection.py / classifiers/content/spam.py, task_post_safety_screen_deluxe.py, task_safety_ptos_policy.py, task_banger_screen.py (positivo), task_reply_ranking.py.
27. Punto arquitectónico fundamental. « El contenido límite no se 'degrada' en el sistema de 2026. Se descalifica en el momento de la hidratación y nunca llega a la puntuación. Esto es sustancialmente distinto del modelo de alcance reducido / filtrado de visibilidad del sistema de 2023. »
28. De qué aprende realmente Phoenix.
29. La entrada más determinante = la secuencia de acciones del usuario. (user_action_seq_query_hydrator.rs), no la publicación candidata.
30. Atención con aislamiento de candidatos. (phoenix/recsys_model.py): los candidatos pueden atender a la secuencia de acciones del usuario, pero no entre sí → puntuaciones por usuario y por publicación, independientes del lote (batch), cacheables.
31. No existe un "esta publicación es buena" global único. "la misma publicación con probabilidad predicha p₁ de recibir un me gusta del Usuario A se predice con p₂ para el Usuario B".
32. Volverse viral. = un resultado a nivel poblacional de predicciones personales independientes, no una métrica optimizada.
33. Características diseñadas manualmente eliminadas. (README línea 55): "Hemos eliminado cada una de las características diseñadas manualmente y la mayoría de las heurísticas del sistema."
34. Dos señales explícitamente hidratadas. a pesar de todo: mutual_follow_jaccard_hydrator.rs (Jaccard entre seguidores del espectador ∩ seguidores del autor candidato), following_replied_users_hydrator.rs (alguien a quien sigue el espectador respondió al candidato).
35. Recuperación OON (two-tower). tu historial de acciones → embedding de usuario, publicaciones candidatas → embeddings de publicación (de grox/embedder/multimodal_post_embedder_v5.py, que codifica texto+imágenes+transcripción ASR de video en un vector normalizado de 1024 dimensiones). Tu capacidad de ser descubierto por desconocidos es una función de la proximidad de embeddings entre tus publicaciones y aquellas con las que ya interactúa tu audiencia objetivo.
36. 5 diferencias estructurales frente a 2023. 1. Sin características diseñadas manualmente (2023 tenía estado verificado explícito, suscriptores de pago, distancia de red). 2. Un único modelo que predice 19 acciones frente a múltiples modelos de una sola acción. 3. Grox separa la comprensión de contenido del ranking (grox/plan_master.py orquesta 9 planes en paralelo). 4. Nuevas señales de primer nivel (dwell continuo, vqv condicionado, follow_author, 3 variantes de share). 5. Recuperación OON two-tower (frente a SimClusters + heurísticas de 2023). ### 7 pilares (recurrentes en Personal / Marca / Marco) 1. Ventaja in-network (oon_scorer.rs:20-23) — OON × factor < 1. 2. Enfoque P(acción) (phoenix/recsys_model.py) — probabilidades por usuario. 3. Acciones de alto peso (weighted_scorer.rs:49-67) — elegir cuáles de las 19 activar. 4. Decaimiento de diversidad (author_diversity_scorer.rs:29-31) — (1-floor) × decay_factor^position + floor. 5. Señales negativas (weighted_scorer.rs:64-67 + AuthorSocialgraphFilter + MutedKeywordFilter) — restas directas + umbrales duros. 6. Capacidad de recuperación two-tower (phoenix_source.rs + multimodal_post_embedder_v5.py) — proximidad de embedding con tu audiencia objetivo. 7. Elegibilidad Grox / VF (grox/plan_master.py + home-mixer/filters/vf_filter.rs) — exclusión silenciosa, no degradación. ### Recomendaciones Personal / Fundador (Parte 2.A) — resumen
37. Pilar 1. convertir relaciones IRL en follows (DMs, promoción cruzada en podcasts, pies de newsletter, respuestas) = gravar OON → búsqueda determinista en Thunder.
38. Pilar 2. nombrar una acción objetivo por publicación (reply, follow, dwell, share). "Cuando no puedes articular a qué acción apuntas, es poco probable que la publicación puntúe bien en ninguna de ellas."
39. Pilar 3. activar acciones personales de alto peso:
40. Reply: preguntas con una respuesta defendible (no "¿qué opinas?").
41. Dwell time: hilos y contenido extenso (señal de dwell continua, índice 18).
42. Profile click: un desconocido que quiere saber quién eres (señalización relevante para la bio).
43. Follow-author: "esta es mi premisa y la defenderé en muchas publicaciones futuras".
44. Pilar 4. publica primero tu mejor publicación (la 1ª conserva la puntuación completa, la 2ª se atenúa). No las apiles, espácialas.
45. Pilar 5. evita silenciamientos/bloqueos de seguidores afines (un negativo acumulativo sobre todas tus futuras publicaciones para ese usuario).
46. Pilar 6. multimodal (texto + imagen + video) = 3 intentos de embedding.
47. Pilar 7. demasiadas @menciones / patrones de spam de enlaces → exclusión silenciosa por el clasificador de spam. ### Recomendaciones Marca / Empresa (Parte 2.B) — resumen
48. Pilar 1. amplificación por empleados = unión de la red interna de cada empleado vía Thunder.
49. Pilar 2. informar la distribución de acciones por publicación frente a las impresiones totales.
50. Pilar 3. acciones relevantes para la marca:
51. Click (índice 4) + quoted click (índice 12) = tráfico al sitio.
52. VQV. (índice 6) = videos que superan MIN_VIDEO_DURATION_MS. "Recortar un video demasiado corto elimina por completo su contribución."
53. Share via DM. (índice 8) + share via copy-link (índice 9) = desgloses de precios, comparaciones de producto, controversia reenviada de forma privada.
54. Follow-author (índice 13) = una publicación imán de follows por semana.
55. Pilar 4. « Un 'redoble' de cuatro publicaciones espaciadas 30 minutos rinde peor que la mejor de ellas sola ». Coordinar marca + CEO + empleados (autores distintos) supera a la marca publicando sola dos veces.
56. Pilar 5. módulo home-mixer/ads/ añadido el 15 de mayo de 2026 = seguimiento de brand-safety. Publicaciones orgánicas cerca de contenido sensible → riesgo de adyacencia.
57. Pilar 6. consistencia temática a lo largo de las semanas (el embedding se diluye si hay demasiados temas), publicaciones multimodales, subtitular videos para la vía ASR.
58. Pilar 7. task_spam_detection.py se basa en patrones de respuestas de baja calidad / pocos seguidores → las marcas que responden mucho en publicaciones grandes pueden ser marcadas. Responde de forma sustancial o no respondas. ### Marco Generalizado (Parte 2.C)
59. Tres capas de alcance. 1. Elegibilidad (Grox + filtros) — binaria, dentro/fuera, sin optimización más allá de no ser excluido. 2. Recuperación (OON two-tower) — probabilística, optimizada por qué publicas (tema, embedding, multimodal). 3. Ranking (suma ponderada + multiplicadores) — continuo, optimizado por cómo publicas (acción activada, cadencia).
60. La superficie de acciones como cuestión de producto. 19 acciones = 4 categorías (social: like/reply/quote/share; privada: DM-share, copy-link, dwell, photo expand; identidad: follow, profile click; rechazo: not-interested/block/mute/report). Una publicación que no apunta a ninguna relación = predicción de ~0 en todas ellas.
61. El transformer como mecanismo de equidad. probabilidades por usuario → el "buen contenido" no es una propiedad global. Segmentación probabilística, no calidad determinista.
62. El decaimiento de diversidad de autor como característica estructural. « publicar más publicaciones por día más allá de un umbral reduce, en lugar de aumentar, el alcance total ». La cadencia óptima es no monótona en función del número de publicaciones.
63. Las señales negativas como vetos de un solo uso. un silenciamiento le cuesta a la publicación Y a cada una posterior frente a ese usuario (una entrada permanente en su secuencia de acciones).
64. La exclusión en el momento de elegibilidad = asesino silencioso. no hay señal para el creador cuando un clasificador de Grox excluye. Diagnóstico = análisis comparativo de alcance.
65. Dos leyes.
66. Ley 1. La red interna es multiplicativa, la externa (OON) es aditiva. Los seguidores se acumulan en cada publicación futura.
67. Ley 2. La función del modelo es predecirte, no recompensarte. El engagement-baiting / la controversia fabricada → degrada tu predictibilidad → penaliza publicaciones futuras. ### Entregable de Consultoría (Parte 2.D) — puntos clave
68. Resumen ejecutivo. listo para la portada.
69. Tabla de evidencias. 14 afirmaciones principales, cada una con su referencia file:line.
70. 7 intervenciones recomendadas ordenadas por impacto esperado. (todas direccionales): 1. Diseño de contenido orientado a la acción (target_action anotado en el calendario editorial). 2. Manual de distribución de autor (auditar cadencia frente a decaimiento, amplificación multi-cuenta). 3. Especificación de video (prueba A/B del lado del cliente de MIN_VIDEO_DURATION_MS, subtítulos). 4. Consistencia de embedding temático (70/30 núcleo/exploratorio). 5. Auditoría de umbrales de elegibilidad (muestrear publicaciones de bajo rendimiento → verificar tipos de umbral). 6. Higiene de señales negativas (cuantificar el costo acumulado de la tasa de silenciamientos). 7. Replanteamiento de la adquisición de seguidores (conversión de OON a Thunder = alcance futuro multiplicativo).
71. Cadencia. M1 calendario+manual+video / M2 auditoría temática + prueba de seguidores / M3 medición de cohortes + recalibración de umbrales / Trimestral: releer xai-org/x-algorithm.
72. Limitaciones y divulgaciones honestas (obligatorias). pesos no derivables, checkpoint mini (2 capas, 4 cabezas, 256 dimensiones), simulaciones Thrift (panic!("Not implemented")), listas de brand-safety / mapeos de ID de temas / penalizaciones de idioma / reglas de mezcla de anuncios ausentes. « El cliente debe tratar este informe como un modelo estructural, no como un predictor cuantitativo. » ### Límite de Honestidad (Anexo A.3) — lo que NO podemos saber
73. Los valores numéricos de los pesos. (todos externos, sin params.rs).
74. El comportamiento del modelo de producción. el checkpoint publicado = 2 capas, 4 cabezas, 256 dimensiones, corpus de 537K publicaciones deportivas; el Phoenix de producción es más grande y se entrena de forma continua.
75. Las integraciones simuladas. panic!("Not implemented: to_thrift for ...") en candidate_features.rs y user_features.rs. El código público no se ejecuta de extremo a extremo contra los servicios internos de X.
76. Los datos de políticas. listas de marcas de brand-safety, mapeos de ID de temas, tablas de penalización por idioma, reglas de mezcla de anuncios, corpus de palabras clave silenciadas, pesos de los clasificadores de spam/seguridad/PTOS = ausentes.
77. La cadencia de reentrenamiento continuo. OSS = instantánea estática, producción = actualizada continuamente. ### Enlaces a fichas existentes
78. Convergencia con [[wallace-wells-nyt-magazine-ai-populism-altman-backlash-no-one-ready-2026-05-08]]. el informe documenta de forma factual la mecánica estructural de un algoritmo que moldea la información política a escala masiva, mientras que Wallace-Wells documenta la recepción popular / el rechazo (backlash) hacia los oligarcas tecnológicos (incluido Musk). El informe muestra que "quién llega a quién" está ahora determinado por transformers entrenados con secuencias de acciones personales — y que la exclusión silenciosa (en el momento de elegibilidad, sin señal) es un modo de operación deliberado.
79. Convergencia con [[ng-the-batch-352-no-ai-jobpocalypse-2026-05-08]]. misma postura epistémica anti-narrativa, disciplina de "lo que se puede derivar de los hechos frente a lo que se inventa". Ng desmonta la narrativa del jobpocalipsis; este informe desmonta las narrativas de growth-hacking construidas sobre pesos inventados.
80. Convergencia implícita con [[mensch-mistral-commission-enquete-vulnerabilites-numeriques-souverainete-ia-2026-05-13]]. Mensch trata la dependencia de servicios digitales extranjeros como un riesgo de vasallaje. El lanzamiento de xai-org/x-algorithm es un precedente ambiguo — una apertura parcial en código abierto de un sistema que gobierna la conversación pública, pero con los parámetros operativos (los pesos) deliberadamente ausentes.
81. Anti-narrativa de growth-hacking. este informe es la respuesta documental a la industria de "secretos del algoritmo de X / 5 tácticas para manipular el feed For You". Disciplina de la cita file:line frente a la anécdota.
82. Patrón de transparencia Anthropic-frente-a-X. este informe puede servir como punto de comparación metodológico para evaluar la transparencia relativa de los lanzamientos de algoritmos de los grandes laboratorios (Anthropic Mythos, evals de OpenAI, grok-1 de xAI, xai-org/x-algorithm). Forma de transparencia: suficiente código para describir la arquitectura, no suficientes parámetros para reproducir el comportamiento.