馬斯克將 X 推薦演算法改寫成 Transformer 架構並開源，但未公開模型權重與訓練資料。
（前情提要：馬斯克線上維權 OpenAI：昔日「榜一大哥」怒索 1340 億美元，情懷終究敗給了生意？ ）
（背景補充：在 X 平台上寫文章賺錢的終極指南》馬斯克推出X Articles加倍收益、設定受眾、提出事實、刪減廢話、宣傳訂閱… ）

本文目錄

• 從硬規則到 AI 預測的全面切換
• 推薦分數公式顯示「注意力經濟」
• 開源範圍與黑盒邊界

美國時間 1 月 20 日，Elon Musk 將 X 平台推薦演算法的新代碼「Phoenix」上傳至 GitHub。文件顯示，系統已從過去的手動特徵工程全面轉向以 Transformer 為核心的 AI 架構，但並未將模型權重與訓練資料一起釋出。

從硬規則到 AI 預測的全面切換

過去十多年，X（前身 Twitter）的推文排序主要依賴工程師寫定的「如果…就…」規則，例如關鍵字、追蹤關係或停留時間。根據現在 X 披露的代碼結構，Phoenix 已移除大部分手動特徵，改以與 xAI 旗下 Grok 同源的 Transformer 解析使用者行為序列。

按讚、分享、封鎖、瀏覽時長等動作被視為連續事件，模型透過機率分布預測下一步，決定內容曝光程度和範圍。

推薦分數公式顯示「注意力經濟」

在Git文件中，能見到最核心的計算邏輯被簡化成：

Score = Σ (Probability × Weight)

這說明包含估算使用者對單則推文觸發各種行為的機率，再乘以平台設定的權重。

舉例而言，若按讚機率 60%、封鎖機率 5%，而平台對「按讚」給予正權重，「封鎖」給予負權重，最終分數將直接影響該推文是否進入推薦流。文件指出，停留時間甚至能被量化至秒級，意味內容創作者將更被演算法導向「留人」目標，至於各行為具體權重值，代碼庫並未揭露。

開源範圍與黑盒邊界

雖然程式碼可供瀏覽，真實模型參數與完整訓練資料並未公開。市場分析認為，相較 TikTok 或 Meta 的完全封閉，Phoenix 至少提供運算流程；但缺乏權重，外部開發者無法驗證推薦效果，也無法重現模型。

這與 2023 年 X 初次開源時可見部分參數的情況形成對比，馬斯克透過「展示性開源」回應 Slashdot 等社群對透明度的質疑，卻保住了真正的商業護城河。

Phoenix 也象徵 X 與 xAI 的技術棧已經整合，X 平台以龐大即時互動數據餵養 Grok，再讓 Grok 回頭主導流量分配，形成閉環。