8 月 13 日，X 把"For You"时间线的排序代码以 Apache 2.0 许可证放上 GitHub，并同步上线一个名为"Under the Hood"的透明工具，让符合条件的用户下载自己账号与帖子被排序系统打上的标签。相比 2023 年 Twitter 的首次"部分开源"和 2026 年 1 月的再次发布，此次新增内容包括：一个可以在公司外部运行的评分系统（Phoenix），以及每个用户自己的排序标签数据。
但放出来的边界同样明确：用 Grok 预测内容是否违规的那部分被刻意保留。因此，外部研究者能检查部分排序逻辑，却仍无法完整审计违规标签如何产生。这也限制了用户核查"影子封禁"争议的能力。
排序流程已公开，Grok 的违规判断环节被保留
这次开源覆盖了"For You"推荐主链路：统筹请求的 Home Mixer、负责已关注账号内容的 Thunder、负责召回未关注账号内容的 Phoenix Retrieval，以及模型配置、过滤器和核心排序系统的参数——也就是给不同信号加权的那套参数。TechCrunch 报道称，代码量约为此前的 10 到 15 倍；截至发布时，仓库 xai-org/x-algorithm 已有约 2.7 万星标、4600 次 fork。
被明确排除在外的，是"用 Grok 预测某条帖子是否可能违规"的系统。X 的解释是防止恶意行为者读代码后绕过规则刷垃圾内容。这个决定把推荐系统分成了两层：决定"你更可能想看什么"的排序层，和决定"什么内容不该被看到"的审核层。此次开放主要集中在前者。
Phoenix 先检索候选帖子，再预测用户会如何互动
仓库中的核心模型是 Phoenix，一个基于 Grok-1 transformer 改造的推荐模型，承担检索和排序两步。检索阶段用双塔结构——用户塔把用户的互动历史编码成向量，候选塔把所有帖子编码成向量，再用点积相似度从海量候选中召回一批；排序阶段用带"候选隔离"的 transformer，预测每条帖子触发各类行为的概率。
两个设计值得说明。一是候选隔离：排序时候选帖子之间不能互相"注意"，只能看用户和其历史，这样单条帖子的得分不取决于同批还有哪些帖子，结果可缓存、可比较。二是多行为预测：模型不是输出一个"相关度"分数，而是同时预测 15 种行为的概率——点赞、回复、转发、引用、点击、视频观看、停留、关注作者，以及不感兴趣、屏蔽作者、拉黑、举报等负面信号。最终分数是这些概率的加权和，负面行为带负权重，会压低内容。
GitHub README 里有一句值得留意的表述：系统"移除了所有手工构造的特征和大部分启发式规则"，靠 transformer 从互动序列里学习相关度。这与 2023 年那次被批评为"透明度剧场"的发布形成对照——当时的问题恰恰是代码不完整、看不出系统为何如此工作。
不过，公开模型与线上模型并不相同。开源的是缩小版的冻结 checkpoint，训练数据来自真实互动，但只是某一时刻的快照，不是持续训练的生产模型；附带的演示语料是约 53.7 万条体育帖子的六小时窗口。X 称外部研究者已能基于这些代码自行训练并运行 Phoenix 评分系统，但公司后来澄清，研究者拿到的是评分系统的运行能力，并未获得对具体帖子的逐条评分。
用户可下载排序标签，但仍看不到标签产生的完整依据
与代码配套的"Under the Hood"工具挂在应用设置里：过去一个月发帖不少于 10 次的用户，可以下载一份聚合统计的 JSON，其中列出过去一个自然月内账户和帖子被应用了哪些标签。X 的建议是，非技术用户可以把这份 JSON 交给一个大语言模型，让它对照 GitHub 仓库做解读。该工具先以试点形式向注册满一年的账号开放，随后扩大。
这套工具为用户核查账号状态提供了一部分数据，但仍有局限：JSON 告诉你"有没有标签"，不告诉你标签是怎么来的。给内容打上审核类标签的那套 Grok 判定模型，恰好是没开源的环节。用户能看到结果，却无法审计产生结果的判断。
公开排序代码仍难完整解释帖子为何不可见
"影子封禁"的争议比这轮开源久得多。2018 年，国会共和党人指控当时还是 Twitter 的平台"影子封禁"了他们的帖子——帖子被悄悄降低可见度而不通知作者，Twitter 当时否认。马斯克收购后，2023 年首次公开算法代码，随即被纽约大学 CSMaP 等研究者批评为"透明度剧场"，理由是代码不完整、无法解释系统为何如此工作。2026 年 1 月 X 再次开源，兑现马斯克"七天内开源"的承诺，并承诺每四周更新一次；此前一个月，X 还因违反欧盟《数字服务法》的透明度义务被罚 1.4 亿美元。
这轮发布为核查部分争议提供了条件。排序层的偏见——例如某个群体的内容是否被系统性打低分——理论上现在可以被外部研究者审计，公开的加权参数和模型结构可以作为实验基础。但内容不可见也可能涉及"可见性过滤"：仓库里有一道 VFFilter，负责在排序后移除被标记为删除、垃圾、暴力或血腥的内容。这道过滤逻辑在代码里，而判断"是否违规"的 Grok 模型被明确排除在外，X 也没有说明排序降权与审核过滤在最终的不可见中各占多少。产品副总裁 Keith Coleman 对 TechCrunch 描述的愿景是，让公众"评估帖子如何在平台上分发、核实是否存在公平的竞技场，认为不公平就批评"；就影子封禁而言，公众目前只能核查部分排序和过滤逻辑。
冻结的缩小版模型，无法完整重现线上推荐结果
另一个限制是"开源"与"可复现生产系统"之间的距离。公开的 checkpoint 是缩小、冻结的；生产系统持续训练、使用更大的模型，还依赖未公开的数据、基础设施和实时信号。外部研究者可以验证算法设计是否合理，却无法用公开代码重建一条真实的 For You 时间线。此外，X 在被马斯克私有化、与 SpaceX 合并后，在营收、用户指标、政府下架请求等维度反而更不透明——代码公开并不意味着这些信息也得到了同等披露。
此次发布增加了可供检查的推荐代码和个人标签数据，违规判定仍是缺口。接下来需要观察：外部研究者是否会基于公开的权重与模型结构，对排序偏见做出可复现的测量；以及 X 是否会把审核层的判定逻辑，哪怕以脱敏或审计接口的形式，纳入同一套透明承诺。
