自从马斯克开源X以后，大家总会抱怨说“马斯克你这人不地道，答应开源却没有开源完整，大家拿到代码也没办法自己做个X平台”。
但是现在可以了，X开源仓库页迎来史上最大更新，你真的可以下回去自己造个X平台了。
马斯克第一次公开X推荐算法代码，是在2023年3月31日。那时平台还叫Twitter，官方把twitter/the-algorithm和 twitter/the-algorithm-ml两个仓库放上 GitHub，公开了For You时间线背后的部分推荐逻辑。
但那次更像一次“代码透明度展示”，外界能看到推荐系统的基本运作方式，却拿不到训练数据、模型权重、广告推荐系统等关键部分。
而这次，马斯克玩真的了。
诚然，X并不是全球最大的社交平台。它的月活数量为5.7亿，X在2026年的预计收入约为29亿美元，比马斯克收购前的50.8亿美元下降了43%，收购前X的广告收入占比高达90%，收购后广告收入仍占总收入的不到70%。
但是它仍然是全球最重要的社交平台之一，每天处理12亿条内容、服务5亿用户的完整生产系统。Anthropic、OpenAI这些全球最顶尖的AI公司，都以X作为第一信息分发平台。
马斯克发出这条X不到24小时，X的开源GitHub仓库瞬间冲到了2万颗星星。
马斯克在开源声明中说：“我们知道这个算法很笨，需要大幅改进，但至少你可以看到我们实时且透明地努力让它变得更好。没有其他社交媒体公司这样做。”
推荐算法是社交媒体的核心商业机密，是决定用户“看什么、信什么、买什么”的底层逻辑。
在此之前，没有任何一家主流平台愿意把这套逻辑完整地摆到台面上。
马斯克做了。
01
开源的具体内容？
这次开源的X算法，核心是一个基于Grok的transformer推荐系统。
整个系统的架构并不复杂，设计思路很清晰：从两个来源获取候选内容，然后用机器学习模型统一排序，最后过滤掉不合适的内容，推送给用户。
两个内容来源分别是Thunder和Phoenix Retrieval。
Thunder负责“网内内容”(In-Network)，也就是你关注的账号发布的帖子。它是一个内存数据库，实时追踪所有用户的最新发帖，响应速度可以达到亚毫秒级别。
当你刷新信息流时，Thunder会立刻把你关注的人最近发的内容拉出来。
Phoenix Retrieval负责“网外内容”(Out-of-Network)，也就是你没关注、但系统认为你可能感兴趣的帖子。
它通过机器学习做相似度搜索，从全球语料库里找出和你过去互动内容相关的帖子。这是推荐系统最关键的部分，决定了你会不会在信息流里看到陌生账号的爆款内容。
两个来源的候选内容汇总之后，会进入统一的排序阶段。这个阶段的核心是Phoenix Scorer，一个基于Grok的Transformer模型。
这个模型不预测“相关性”，而是预测你对每条内容可能采取的具体行动，比如点赞概率、转发概率、回复概率、点击概率、举报概率、屏蔽概率。
每个行动都有一个权重，正向行动（点赞、转发）权重为正，负向行动（举报、屏蔽）权重为负。最终得分是所有预测概率的加权求和。
得分高的内容排在前面，得分低的内容排在后面。
仅此而已。
X在开源文档里特别强调了一点：我们已经彻底消除了所有手工特征工程和大部分启发式规则。
Grok-based Transformer承担了所有繁重的工作，它通过理解你的互动历史，比如你点赞了什么、回复了什么、分享了什么，然后基于此自动判断什么内容和你相关。
这意味着，过去那些依赖关键词堆砌、标签匹配的运营策略已经失效了。系统现在更注重语义理解，能够深度分析内容的实际价值和用户的真实需求。
开源是开源了，但并不是完全开源。
首先，模型权重没有完全开放。
GitHub仓库里确实包含了一个预训练的mini Phoenix模型，256维嵌入、4个注意力头、2层Transformer，打包成一个3GB的压缩包，通过Git LFS分发。这个模型可以让开发者直接跑起来端到端的推理流程，不需要自己训练。
但这只是一个“迷你版”。X在生产环境里真正使用的Phoenix模型，规模要大得多，参数量、层数、嵌入维度都不在一个量级上。开源的这个mini模型，更像是一个教学样本，让你理解系统怎么工作，但不是X真正在用的那个。
它像一台教学用小发动机，能让你看懂发动机原理，也能真的转起来，但它不是X每天给几亿用户刷For You信息流时用的那台真正发动机。
真正的生产模型大概率更大、更复杂、训练数据更多、调参更多，知道的用户行为也更多。所以它推荐得准不准、反应快不快、能不能扛住真实流量，和这个 mini 模型不是一个量级。
其次，训练数据没有公开。
推荐系统的核心竞争力，一半在模型，一半在数据。X每天处理12亿条内容，积累了海量的用户行为数据，比如谁点赞了什么、谁屏蔽了谁、谁在什么时间看了哪些内容、看了多久。
这些数据才是Phoenix模型能够准确预测用户行为的根本原因。
但这些数据不可能开源。一方面是隐私问题，另一方面是商业机密。
没有这些数据，即使你拿到了完整的模型架构和代码，也训练不出一个和X一样好用的推荐系统。
第三，广告系统只开源了框架，没有开源策略。
这次开源包含了一个新的ads模块，处理广告注入和定位，包括品牌安全追踪，会尊重敏感内容边界。但具体的广告竞价逻辑、出价策略、ROI优化算法，这些直接关系到X收入的核心机制，并没有完全公开。
第四，内容理解管道Grox（Grox是X推荐系统里，基于Grok构建的内容理解工程服务）只开源了部分能力。
Grox是一个新加入的服务，提供分类器、嵌入器和任务执行引擎，用于垃圾检测、帖子分类、PTOS政策执行等内容理解工作。但Grox具体怎么判断一条内容是垃圾、怎么识别违规内容、怎么执行平台政策，这些细节并没有完全透明。
所以，你虽然可以根据GitHub开源的这些东西去造一个类似X的社交平台，但你造不出一个和X一样好用的推荐系统。
你可以拿到完整的系统架构、候选召回逻辑、排序框架、过滤规则，可以跑通端到端的推理流程。如果你有足够的工程能力，确实可以搭建一个类似的推荐系统。
可是你没有X的数据、没有X的生产级模型、没有X在过去几年里积累的工程优化和调度策略。也就没办法1比1复刻X平台。
02
为什么要开源？
早在2022年10月收购Twitter的时候，他就公开表示：“让算法开源以增加信任”是他对这个平台的愿景之一。
2023年3月31日，马斯克兑现了第一个承诺。当时还叫Twitter的X平台，在GitHub上发布了部分推荐算法的源代码，包括用户时间线里推文推荐的算法逻辑。
那次开源引发了巨大关注。
开发者们第一次看到了Twitter推荐系统的内部运作方式，也第一次确认了一些长期流传的传闻，比如，某些账号确实会被算法降权，某些内容类型确实会被优先推荐。
马斯克当时说，提供“代码透明度”一开始会“令人难以置信地尴尬”，但最终会“导致推荐质量的快速提升”。
他还说：“最重要的是，我们希望赢得你们的信任。”
但那次开源并不完整。GitHub仓库里的大部分文件都来自最初的上传，后续更新很少。很多开发者抱怨，代码库没有持续维护，文档不够详细，很多关键模块没有公开。
这次开源，马斯克显然吸取了教训。
更有意思的是，马斯克在X上发布算法更新的那条推文时，他人正在北京。但这次开源的真正目标，是欧洲。
X平台在欧洲面临着越来越严格的监管审查，而马斯克正在用“透明”和“开放”作为武器，去对抗监管压力。
2025年7月，法国检察机关对X平台展开调查，怀疑其算法存在偏见和欺诈性数据提取行为。
欧盟委员会也对X发出了文件保留令，要求其提供算法相关内容，调查重点是虚假信息传播、内容审核不力和信息透明度缺陷。
X平台当时拒绝配合调查，并指控这是一场“出于政治动机的刑事调查”，威胁到用户的言论自由。
马斯克甚至在欧盟委员会的推文下回复了一个脏话。
但拒绝配合显然不是长久之计，于是马斯克把算法给开源了。
与其被动接受监管机构的审查，不如主动把代码公开，让全世界的开发者、研究者、监管者都能看到X的推荐逻辑。
这样一来，X可以宣称自己是“全球最透明的社交平台”，任何关于算法偏见、内容操纵的指控，都可以用“代码已经开源，你们自己去看”来回应。
进攻才是最好的防守。
当然，开源也不是没有代价的。
首先，竞争对手可以直接学习X的架构设计和工程实践。现在别人彻彻底底地研究X是怎么做召回、怎么做排序、怎么做多样性控制的。
如果X的某些设计确实比竞品好，那么这些设计很快就会被复制。
其次，开源暴露了X的弱点。
开发者们已经在GitHub issue区指出了一些问题：为什么某些过滤规则设计得不够合理？为什么多样性控制的参数设置得这么保守？为什么广告注入的逻辑这么简单粗暴？
但马斯克认为，这些代价是值得的。
X现在面临的最大问题不是技术，而是信任。用户不信任X的内容审核，广告主不信任X的品牌安全，监管机构不信任X的算法公正性。
开源算法，是重建信任的最直接方式。
它不能解决所有问题，但至少可以证明X没有在暗箱操作，X的推荐逻辑是可以被检验的，X愿意接受公众监督。
在一个越来越强调透明度和问责制的时代，这种姿态本身就是一种竞争力。
马斯克在2023年开源Twitter算法时说过一句话：“我们希望X成为互联网上最透明的系统，并让它像最著名、最成功的开源项目Linux一样强大。”
现在看来，他是认真的。
X能不能真的变成“社交媒体界的Linux”，还需要时间验证。
但至少在开源这件事上，马斯克已经走在了所有主流社交平台的前面。
盛多网提示：文章来自网络，不代表本站观点。
