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

Punti chiave

1. Fonte primaria. release open-source xai-org/x-algorithm del 15 maggio 2026. Il rapporto è datato 2026-05-16 (verosimilmente D+1 rispetto alla release). Data di aggiunta al watch-file: 2026-05-16 (= oggi).
2. 4 componenti architetturali.
3. Home Mixer. (x-algorithm/home-mixer/) — orchestratore Rust a tempo di richiesta, pipeline hydrate → source → hydrate → filter → score → select → filter.
4. Thunder. (x-algorithm/thunder/) — archivio Rust in memoria alimentato da Kafka dei post recenti, lookup sub-millisecondo per i candidati in-network. File chiave: thunder/main.rs, thunder/post_store.rs, thunder/kafka_utils.rs.
5. Phoenix. (x-algorithm/phoenix/) — servizio ML in JAX, due ruoli: (1) retrieval a due torri per l'OON, (2) ranking tramite un transformer derivato da Grok-1 che predice 19 azioni.
6. Grox. (x-algorithm/grox/) — servizio offline di comprensione dei contenuti, classificatori (spam, safety, PTOS, banger, reply ranking) + embedder multimodale v5. Non è nel percorso critico; scrive nel feature store, Home Mixer idrata i segnali.
7. Pipeline di Home Mixer (architettura citata dal README). 1. Idratazione della query (User Action Sequence + User Features) 2. Fonti dei candidati (Thunder in-network + retrieval Phoenix OON + ads + who-to-follow + topic + MoE + prompt) 3. Idratazione (metadati core, info sull'autore, media, conteggi di engagement) 4. Filtraggio pre-scoring (dedupe, età, self, block, mute, paywall, già visti) 5. Scoring (Phoenix Scorer P(azione) per ciascuna delle 19 azioni → Weighted Scorer Σ(peso × P) → Author Diversity → OON Scorer) 6. Selezione (ordinamento per punteggio finale, selezione dei top K) 7. Filtri post-selezione (VFFilter per cancellazioni/spam/violenza/gore, deduplica delle conversazioni)
8. Le 19 azioni predette da Phoenix. (phoenix/runners.py:233-252, home-mixer/candidate_pipeline/candidate.rs:30-51 PhoenixScores):
9. Positive. 0 favorite, 1 reply, 2 repost, 3 photo_expand, 4 click, 5 profile_click, 6 vqv (filtrato), 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. Negative. (NEGATIVE_FEEDBACK_INDICES = [14, 15, 16, 17]): 14 not_interested, 15 block_author, 16 mute_author, 17 report
11. Nuovi segnali di prima classe rispetto al 2023. dwell_time continuo (non solo binario), vqv_score (filtrato da MIN_VIDEO_DURATION_MS), follow_author_score (Phoenix predice "se questo post farà guadagnare un follower al suo autore"), 3 varianti di share (share, share_via_dm, share_via_copy_link).
12. Formula del punteggio. (home-mixer/scorers/weighted_scorer.rs:44-91): ` score = Σ_i (weight_i × P(action_i)) × OON_WEIGHT_FACTOR (se OON, altrimenti 1) × diversity_multiplier(position) + offset_score() (mantiene ordinati gli aggregati negativi) ` dove vqv_weight viene sostituito da 0 se video_duration_ms ≤ MIN_VIDEO_DURATION_MS.
13. Avvertenza CRITICA — i pesi non sono nella release.
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 sono tutti referenziati come crate::params::*.
15. Nessun file params.rs esiste nel repository. (verificato con grep -rn esaustivo).
16. Gestiti da un servizio interno di feature-switch / parametri di X per l'A/B testing e la calibrazione senza modifiche al codice.
17. Implicazione. solo le direzioni (positivo vs. negativo, filtro vs. aggiustamento morbido, presenza vs. assenza di un moltiplicatore) sono citabili. Le magnitudini sono inventate.
18. 3 moltiplicatori strutturali. (più importanti dei singoli pesi):
19. Penalità OON. (oon_scorer.rs:20-23): score = base_score × OON_WEIGHT_FACTOR se OON, altrimenti base_score. Commento alla riga 7: « Dare priorità ai candidati in-network rispetto ai candidati out-of-network ». Codificazione del principio "i follower contano".
20. Eccezione OON per nuovi utenti. (ranking_scorer.rs:220-239): se l'account ha meno di NewUserAgeThresholdSecs E segue almeno NEW_USER_MIN_FOLLOWING account, la penalità OON viene sostituita da NEW_USER_OON_WEIGHT_FACTOR. Bias strutturale su ciò che i nuovi account vedono (e quindi ciò che i nuovi account possono raggiungere).
21. Decadimento della diversità autore. (author_diversity_scorer.rs:29-31): multiplier(position) = (1 - floor) × decay_factor^position + floor. Posizione = numero di post dello stesso autore già presenti più in alto nella lista ordinata. Il miglior post di un autore mantiene il suo punteggio, ogni post successivo viene attenuato esponenzialmente senza scendere sotto floor. Implicazione sulla cadenza: strutturale, non euristica.
22. Soglia sulla durata video. (weighted_scorer.rs:72-81): vqv_score entra nella somma pesata solo se video_duration_ms > MIN_VIDEO_DURATION_MS. Filtro rigido, non penalità morbida: i clip troppo corti semplicemente non ricevono il contributo VQV.
23. Ciò che non entra mai nel ranker. (reach perso invisibile):
24. Filtri pre-scoring. DropDuplicatesFilter, CoreDataHydrationFilter, AgeFilter, SelfpostFilter, RepostDeduplicationFilter, IneligibleSubscriptionFilter (paywall), PreviouslySeenPostsFilter, PreviouslyServedPostsFilter, MutedKeywordFilter, AuthorSocialgraphFilter (blocco bidirezionale, incluso l'autore citato in una quote tweet).
25. Filtri post-selezione. VFFilter (cancellati/spam/violenza/gore), DedupConversationFilter.
26. Filtri offline di Grox. (eligibility, non modificatori di punteggio): 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 architetturale fondamentale. « I contenuti borderline non vengono 'retrocessi' nel sistema 2026. Vengono squalificati al momento dell'idratazione e non raggiungono mai lo scoring. Questo è sostanzialmente diverso dal modello di reach ridotto / filtraggio della visibilità del sistema del 2023. »
28. Da cosa impara davvero Phoenix.
29. L'input più determinante = la sequenza di azioni dell'utente. (user_action_seq_query_hydrator.rs), non il post candidato.
30. Attenzione con isolamento dei candidati. (phoenix/recsys_model.py): i candidati possono attendere alla sequenza di azioni dell'utente, ma non l'uno all'altro → punteggi per utente per post, indipendenti dal batch, cacheabili.
31. Nessun "questo post è buono" globale. "lo stesso post predetto per generare un like dall'Utente A con probabilità p₁ è predetto a p₂ per l'Utente B".
32. Diventare virale. = un esito a livello di popolazione derivante da predizioni personali indipendenti, non una metrica ottimizzata.
33. Feature ingegnerizzate a mano rimosse. (README riga 55): "Abbiamo eliminato dal sistema ogni singola feature ingegnerizzata a mano e la maggior parte delle euristiche."
34. Due segnali esplicitamente idratati. comunque: mutual_follow_jaccard_hydrator.rs (Jaccard tra i follower di chi visualizza ∩ i follower dell'autore candidato), following_replied_users_hydrator.rs (qualcuno seguito da chi visualizza ha risposto al candidato).
35. Retrieval OON (a due torri). la tua cronologia di azioni → embedding utente, i post candidati → embedding dei post (da grox/embedder/multimodal_post_embedder_v5.py, che codifica testo+immagini+trascrizione ASR del video in un vettore normalizzato a 1024 dimensioni). La tua scopribilità da parte di sconosciuti è funzione della prossimità di embedding tra i tuoi post e quelli con cui il tuo pubblico target già interagisce.
36. 5 differenze determinanti rispetto al 2023. 1. Nessuna feature ingegnerizzata a mano (il 2023 aveva stato di verifica esplicito, abbonati paganti, distanza di rete). 2. Un unico modello che predice 19 azioni contro modelli singoli per azione. 3. Grox separa la comprensione dei contenuti dal ranking (grox/plan_master.py orchestra 9 piani paralleli). 4. Nuovi segnali di prima classe (dwell continuo, vqv filtrato, follow_author, 3 varianti di share). 5. Retrieval OON a due torri (contro SimClusters + euristiche del 2023). ### 7 pilastri (ricorrenti in Personale / Brand / Framework) 1. Vantaggio in-network (oon_scorer.rs:20-23) — OON × fattore < 1. 2. Framing P(azione) (phoenix/recsys_model.py) — probabilità per utente. 3. Azioni ad alto peso (weighted_scorer.rs:49-67) — scegliere quale delle 19 azioni innescare. 4. Decadimento della diversità (author_diversity_scorer.rs:29-31) — (1-floor) × decay_factor^position + floor. 5. Segnali negativi (weighted_scorer.rs:64-67 + AuthorSocialgraphFilter + MutedKeywordFilter) — sottrazioni dirette + filtri rigidi. 6. Reperibilità a due torri (phoenix_source.rs + multimodal_post_embedder_v5.py) — prossimità di embedding con il pubblico target. 7. Eligibility Grox / VF (grox/plan_master.py + home-mixer/filters/vf_filter.rs) — esclusione silenziosa, non retrocessione. ### Raccomandazioni Personale / Founder (Parte 2.A) — sintesi
37. Pilastro 1. convertire le relazioni reali in follow (DM, cross-promo nei podcast, footer delle newsletter, risposte) = alimentare l'OON → lookup deterministico su Thunder.
38. Pilastro 2. definire un'azione target per post (reply, follow, dwell, share). "Quando non riesci ad articolare a quale azione stai puntando, è improbabile che il post ottenga un buon punteggio per una qualsiasi di esse."
39. Pilastro 3. innescare azioni personali ad alto peso:
40. Reply: domande con una risposta difendibile (non "cosa ne pensate?").
41. Dwell time: thread e contenuti long-form (segnale di dwell continuo, indice 18).
42. Profile click: uno sconosciuto che vuole sapere chi sei (segnalazione rilevante per la bio).
43. Follow-author: "ecco la mia premessa e la difenderò in molti post futuri".
44. Pilastro 4. pubblicare per primo il miglior post (il 1° mantiene il punteggio pieno, il 2° viene attenuato). Non accumulare, distanziare nel tempo.
45. Pilastro 5. evitare mute/block da follower affezionati (una penalità cumulativa su tutti i tuoi post futuri per quell'utente).
46. Pilastro 6. multimodalità (testo + immagine + video) = 3 scatti di embedding.
47. Pilastro 7. troppi @menzioni / pattern di link-spam → esclusione silenziosa da parte del classificatore antispam. ### Raccomandazioni Brand / Azienda (Parte 2.B) — sintesi
48. Pilastro 1. amplificazione dei dipendenti = unione dell'in-network di ciascun dipendente tramite Thunder.
49. Pilastro 2. monitorare la distribuzione delle azioni per post rispetto alle impression totali.
50. Pilastro 3. azioni rilevanti per il brand:
51. Click (indice 4) + quoted click (indice 12) = traffico verso il sito.
52. VQV. (indice 6) = video che superano MIN_VIDEO_DURATION_MS. "Tagliare un video troppo corto azzera del tutto il contributo."
53. Share via DM. (indice 8) + share via copy-link (indice 9) = analisi comparative di prezzo, confronti di prodotto, controversie inoltrate in privato.
54. Follow-author (indice 13) = un post follow-magnet a settimana.
55. Pilastro 4. « Un 'tamburo' di quattro post distanziati di 30 minuti performa peggio del singolo migliore fra essi, da solo ». Coordinare brand + CEO + dipendenti (autori distinti) batte il brand che pubblica da solo due volte.
56. Pilastro 5. il modulo home-mixer/ads/ aggiunto il 15 maggio 2026 = tracciamento della brand-safety. Post organici vicini a contenuti sensibili → rischio di adiacenza.
57. Pilastro 6. coerenza tematica su più settimane (embedding diluito se troppi topic), post multimodali, sottotitoli dei video per il percorso ASR.
58. Pilastro 7. task_spam_detection.py fa leva su pattern di risposta a basso numero di follower / bassa qualità → i brand che rispondono massicciamente sui post più grandi possono essere segnalati. Rispondere in modo sostanziale o non rispondere affatto. ### Framework generalizzato (Parte 2.C)
59. Tre livelli di reach. 1. Eligibility (Grox + filtri) — binaria, dentro/fuori, nessuna ottimizzazione oltre al non essere esclusi. 2. Retrieval (OON a due torri) — probabilistica, ottimizzata da cosa pubblichi (topic, embedding, multimodalità). 3. Ranking (somma pesata + moltiplicatori) — continua, ottimizzata da come pubblichi (azione innescata, cadenza).
60. Superficie delle azioni come questione di prodotto. 19 azioni = 4 categorie (sociale: like/reply/quote/share; privata: DM-share, copy-link, dwell, photo expand; identità: follow, profile click; rifiuto: not-interested/block/mute/report). Un post che non punta ad alcuna relazione = predetto a ~0 su tutte le dimensioni.
61. Il transformer come meccanismo di equità. probabilità per utente → il "buon contenuto" non è una proprietà globale. Targeting probabilistico, non qualità deterministica.
62. Il decadimento della diversità autore come feature strutturale. « pubblicare più post al giorno oltre una soglia riduce, non aumenta, il reach totale ». La cadenza ottimale è non monotona rispetto al numero di post.
63. I segnali negativi come veti una tantum. un mute costa quel post E tutti i successivi verso quell'utente (una voce permanente nella sua sequenza di azioni).
64. L'esclusione a livello di eligibility = uccisore silenzioso. nessun segnale al creatore quando un classificatore Grox esclude un post. Diagnosi = analisi comparativa del reach.
65. Due leggi.
66. Legge 1. L'in-network è moltiplicativo, l'OON è additivo. I follower si accumulano su ogni post futuro.
67. Legge 2. Il compito del modello è predire te, non premiarti. L'engagement-baiting / la controversia costruita ad arte → degrada la tua prevedibilità → declassa i post futuri. ### Deliverable di consulenza (Parte 2.D) — punti chiave
68. Executive summary. pronto per la copertina.
69. Tabella delle evidenze. 14 affermazioni principali, ciascuna con file:line.
70. 7 interventi raccomandati ordinati per impatto atteso. (tutti direzionali): 1. Progettazione dei contenuti orientata all'azione (target_action annotato nel calendario editoriale). 2. Playbook di distribuzione degli autori (audit della cadenza rispetto al decadimento, amplificazione multi-account). 3. Specifica video (MIN_VIDEO_DURATION_MS in A/B test lato client, sottotitoli). 4. Coerenza tematica dell'embedding (70/30 core/esplorativo). 5. Audit dei gate di eligibility (campionare i post sottoperformanti → verificare i tipi di filtro). 6. Igiene dei segnali negativi (quantificare il costo cumulativo del tasso di mute). 7. Riformulazione dell'acquisizione follower (conversione OON-a-Thunder = reach futuro moltiplicativo).
71. Cadenza. M1 calendario+playbook+video / M2 audit tematico + test follower / M3 misurazione per coorti + ricalibrazione dei gate / Trimestrale: rilettura di xai-org/x-algorithm.
72. Limitazioni e dichiarazioni di onestà (obbligatorie). pesi non derivabili, checkpoint mini (2 layer, 4 head, 256 dimensioni), stub Thrift (panic!("Not implemented")), liste di brand-safety / mappature ID di topic / penalità linguistiche / regole di ad blending assenti. « Il cliente dovrebbe trattare questo rapporto come un modello strutturale, non come un predittore quantitativo. » ### Confine di onestà (Appendice A.3) — cosa NON possiamo sapere
73. Valori numerici dei pesi. (tutti esterni, nessun params.rs).
74. Comportamento del modello in produzione. checkpoint rilasciato = 2 layer, 4 head, 256 dimensioni, corpus di 537K post sportivi, il Phoenix di produzione è più grande e addestrato in continuo.
75. Integrazioni stub. panic!("Not implemented: to_thrift for ...") in candidate_features.rs e user_features.rs. Il codice pubblico non gira end-to-end contro i servizi interni di X.
76. Dati di policy. liste brand di brand-safety, mappature ID di topic, tabelle di penalità linguistica, regole di ad-blending, corpus di parole chiave silenziate, pesi dei classificatori spam/safety/PTOS = assenti.
77. Cadenza di riaddestramento continuo. OSS = istantanea statica, produzione = aggiornata in continuo. ### Collegamenti a schede esistenti
78. Convergenza con [[wallace-wells-nyt-magazine-ai-populism-altman-backlash-no-one-ready-2026-05-08]]. il rapporto documenta fattualmente la meccanica strutturale di un algoritmo che plasma l'informazione politica su scala massiva, mentre Wallace-Wells documenta la ricezione popolare / il backlash contro gli oligarchi tecnologici (incluso Musk). Il rapporto mostra che "chi raggiunge chi" è ormai determinato da transformer addestrati su sequenze di azioni personali — e che l'esclusione silenziosa (a livello di eligibility, senza segnale) è una modalità operativa deliberata.
79. Convergenza con [[ng-the-batch-352-no-ai-jobpocalypse-2026-05-08]]. stessa postura epistemica anti-narrativa, disciplina del "cosa è derivabile dai fatti vs. cosa è inventato". Ng smonta la narrazione della jobpocalypse; questo rapporto smonta le narrazioni di growth-hack costruite su pesi inventati.
80. Convergenza implicita con [[mensch-mistral-commission-enquete-vulnerabilites-numeriques-souverainete-ia-2026-05-13]]. Mensch discute della dipendenza da servizi digitali esteri come rischio di vassallaggio. La release di xai-org/x-algorithm è un precedente ambiguo — un'apertura parziale del codice sorgente di un sistema che governa la conversazione pubblica, ma con i parametri operativi (i pesi) intenzionalmente assenti.
81. Growth-hack anti-narrativo. questo rapporto è la risposta documentale all'industria dei "segreti dell'algoritmo X / 5 tattiche per battere il For You feed". Disciplina della citazione file:line contro l'aneddoto.
82. Pattern di trasparenza Anthropic-vs-X. questo rapporto può fungere da punto di confronto metodologico per valutare la trasparenza relativa delle release algoritmiche dei principali laboratori (Anthropic Mythos, valutazioni OpenAI, grok-1 di xAI, xai-org/x-algorithm). Forma di trasparenza: codice sufficiente a descrivere l'architettura, non sufficiente in parametri a riprodurre il comportamento.