O algoritmo do X deitou fora o livro de regras: guia simples da atualização de maio de 2026

Em janeiro escrevi sobre como funciona realmente o algoritmo do X. Esse texto continua certo, no essencial, sobre os sinais de comportamento, mas muita da mecânica específica que descrevi já não existe. Eis o que mudou na atualização de 15 de maio, e porque é que esta é mais importante do que a anterior.

TL;DR

Algumas coisas a saber já:

• A velha abordagem de fórmula com pesos foi, na prática, reformada. O X diz explicitamente que eliminou todas as features feitas à mão e a maioria das heurísticas. Um transformer baseado no Grok faz agora o trabalho pesado.
• O ranker prevê 15 ações específicas que podes tomar sobre um post (eram 18 quando escrevi em janeiro). O conjunto está documentado por completo no repositório open source.
• Um novo serviço de compreensão de conteúdo chamado Grox corre ao lado do pipeline principal. Classifica posts quanto a spam, segurança, viralidade e tema.
• O Phoenix, o modelo de ranking, está agora disponível para download. É um transformer portado do Grok-1, com embeddings de 256 dimensões.
• A recuperação de candidatos usa um modelo de duas torres: uma torre codifica-te a ti, a outra codifica os posts, e a semelhança decide o que chega ao ranker.
• Cada post é pontuado em isolamento. O ranker não consegue ver os outros candidatos quando pontua o teu, o que significa que a tua nota não depende do que mais está no lote.

A mudança numa linha: o X era um sistema de regras com um modelo agarrado. Passou a ser um modelo com algumas regras agarradas.

Onde tínhamos ficado

Em janeiro, o X abriu o código do algoritmo do For You pela primeira vez. A imagem que emergiu era a de um sistema construído sobre camadas de lógica afinada à mão. Havia uma penalização de diversidade que cortava a nota do post nº 2 para 70%, a do nº 3 para 49%, e assim por diante. Havia um corte de frescura aos 7 dias. Havia 18 tipos de ação com pesos específicos. Os posts fora da rede levavam uma penalização fixa. O modelo existia, mas vivia dentro de um invólucro espesso de regras humanas.

Esse invólucro praticamente desapareceu. O lançamento de 15 de maio substitui-o por uma única frase no README: "We have eliminated every single hand-engineered feature and most heuristics from the system".

Isso é muito mais importante do que qualquer um dos sete pontos que a xAI lista a seguir.

O que mudou mesmo

1. As heurísticas foram substituídas por um transformer

Esta é a manchete. A abordagem antiga era uma pilha de regras e um ranker que as combinava com pesos aprendidos. A nova abordagem é sobretudo transformer, com um pipeline fino à volta.

O transformer chama-se Phoenix e foi portado do Grok-1, o modelo de linguagem open source da xAI, adaptado para recomendações. Em termos simples: em vez de olhar para as tuas últimas interações e aplicar uma fórmula fixa, lê o teu histórico de engagement como uma sequência e aprende padrões diretamente. Da mesma forma que um modelo de linguagem lê uma sequência de tokens.

Para criadores, isto importa porque as regras práticas de janeiro já não se aplicam de forma limpa. A atenuação de 70 por cento no segundo post seguido, os pesos específicos por tipo de ação, a penalização fixa fora da rede: isso agora são parâmetros do modelo, não limiares codificados. Podem mudar entre atualizações. Podem ser diferentes para utilizadores diferentes. Não dá para os contornar como se contornava uma regra fixa.

O substituto é mais simples de descrever e mais difícil de manipular. O modelo viu como é o engagement em milhares de milhões de exemplos, e pontua os teus posts com base nisso. O teu trabalho é fazer conteúdo que o modelo reconheça como algo que as pessoas realmente querem.

2. As 15 coisas que o algoritmo prevê

O ranker prevê probabilidades para 15 ações diferentes. Eis a lista completa do repositório:

• P(favorite)
• P(reply)
• P(repost)
• P(quote)
• P(click)
• P(profile_click)
• P(video_view)
• P(photo_expand)
• P(share)
• P(dwell)
• P(follow_author)
• P(not_interested)
• P(block_author)
• P(mute_author)
• P(report)

A nota final é uma soma ponderada destas probabilidades. As ações positivas (favorite, reply, repost, dwell, follow) têm pesos positivos. As negativas (not_interested, block, mute, report) têm pesos negativos e empurram a nota para baixo.

Duas notas. A lista encolheu face às 18 que descrevi em janeiro. Alguns tipos de ação foram consolidados, outros removidos. Os cliques no perfil e a expansão de fotos passaram a sinais de primeira classe, o que não eram antes. O dwell continua lá, o que confirma que sim, o X continua a medir quanto tempo paras num post.

A conclusão é a mesma de antes, mas mais limpa: evita as cinco de baixo. Uma denúncia, um block ou um mute fazem mais estrago do que vários favorites conseguem compensar.

3. Isolamento de candidatos: o teu post está por sua conta

Uma escolha de design subtil mas importante. Quando o transformer pontua um post, só consegue atender ao teu histórico de engagement, não aos outros posts do lote. A máscara de atenção está configurada para impor isso.

Porque importa: a nota do teu post não depende do que mais estiver no feed naquele momento. O mesmo post, pontuado para o mesmo utilizador, recebe o mesmo número quer esteja a competir contra cinco posts excelentes ou cinquenta medíocres. As notas são consistentes e cacheáveis.

Para criadores, isto elimina uma categoria de teorias sobre timing e "lugares no feed". O teu post não está a lutar contra outros posts específicos por uma posição. Recebe uma nota absoluta com base em ti, no espectador, e no histórico dele. O seletor depois ordena tudo por nota e escolhe o top K.

Não estás a competir post contra post. Estás a competir contra o nível de interesse dos teus próprios espectadores.

4. Duas torres para a descoberta

O conteúdo fora da rede (posts de pessoas que não segues) é recuperado através de um modelo de duas torres. Uma torre transforma-te num vetor. A outra transforma cada post num vetor. O sistema encontra as correspondências mais próximas por semelhança de produto interno.

É assim que a plataforma decide que posts de desconhecidos chegam sequer ao teu conjunto de candidatos. Não é magia. É geometria. O teu vetor vive algures num espaço de alta dimensão, e os posts que aparecem são aqueles cujos vetores aterram perto.

Na prática: se o teu estilo de publicação produz uma assinatura vetorial consistente, o modelo consegue encaminhar-te para a audiência certa. Se os teus temas andam dispersos, o teu vetor é ruidoso e chegas a menos pessoas certas. A consistência aqui não é uma estratégia de marca. É uma estratégia de qualidade de retrieval.

5. Grox: um cérebro separado para compreender conteúdo

O Grox é a outra grande novidade. É um serviço que vive ao lado do pipeline principal do feed e produz sinais ao nível do conteúdo: classificação de spam, triagem de segurança, categorização de posts, deteção de bangers (conteúdo com probabilidade de viralizar) e ordenação de respostas.

Algumas coisas a deixar claras. O Grox não é um pré-filtro que trava posts antes de chegarem ao ranker. Corre como motor próprio de execução de tarefas, com os seus embedders e classificadores, e os resultados alimentam o pipeline principal como features hidratadas. O ranker vê um post mais rico quando pontua: não só texto e contagens de engagement, mas também "este post parece spam" ou "este post é sobre engenharia de software" ou "este post tem potencial de banger".

Para criadores, o Grox é o sistema que está a ler o teu conteúdo. Se marcar o teu post como spam, essa label viaja com o post até ao ranker e afunda a tua nota. Se categorizar o teu post num tema, isso ajuda-te a chegar a quem se interessa por esse tema.

Os classificadores cobrem:

• Deteção de spam. Conteúdo repetitivo, posts com menções em massa, padrões suspeitos.
• Triagem de segurança. Duas fases de verificação de políticas (uma triagem inicial mais uma passagem detalhada).
• Aplicação da política PTOS. Posts que violam os termos da plataforma são sinalizados.
• Deteção de bangers. Um classificador de fase inicial que prevê potencial viral antes da distribuição alargada.
• Ordenação de respostas. Ordena as respostas de um post por qualidade prevista.
• Categorização de posts. Atribui temas para que os posts cheguem a utilizadores interessados.

É uma mudança com peso. Até agora, o X julgava o teu post sobretudo pelo que as pessoas faziam com ele. Agora há um sistema paralelo a julgar o teu post pelo que ele é.

6. O modelo Phoenix pode ser descarregado

Um mini Phoenix pré-treinado está publicado num arquivo de 3GB via Git LFS. A versão mini tem embeddings de 256 dimensões, 4 cabeças de atenção e 2 camadas de transformer. É pequeno o suficiente para correr numa workstation.

É a primeira vez que os pesos reais são públicos. O lançamento de janeiro foi o código; este é o modelo treinado. Podes clonar o repo, descarregar os artefactos e correr o phoenix/run_pipeline.py de ponta a ponta. Retrieval e ranking, compostos da mesma forma que em produção.

Para a maioria dos criadores isto não muda o dia a dia. Para investigadores, jornalistas e programadores curiosos, muda tudo no que é verificável. Podes agora testar posts específicos contra o modelo de ranking real em vez de adivinhar.

7. Embeddings por hash, contexto mais rico, anúncios no feed

Algumas mudanças mais pequenas mas que merecem menção:

• Embeddings por hash. Tanto o retrieval como o ranking usam várias funções de hash para consulta de embeddings. É uma otimização de memória e velocidade, mas também significa que os embeddings são estáveis entre atualizações do modelo.
• Hidratação de contexto mais rica. O sistema passa a incluir os teus temas seguidos, starter packs, grafo de follows mútuos, bloom filters de impressões, IP, demografia e histórico servido. A janela de contexto pessoal alargou bastante.
• Hidratação de candidatos mais rica. Os posts são enriquecidos com contagens de engagement, sinais de brand safety, código de língua, presença de media, expansão de quote posts, semelhança de Jaccard de follows mútuos, estado de subscrição e duração de vídeo antes de chegarem ao ranker.
• Mistura de anúncios. Um módulo dedicado home-mixer/ads/ trata da colocação de anúncios, com rastreio de brand safety que evita anúncios ao lado de conteúdo sensível.

Nenhuma destas coisas é história sozinha. Juntas, pintam o quadro: mais contexto a entrar, mais sinais a sair, menos lógica codificada no meio.

O que isto significa se estás a tentar crescer

O playbook de janeiro precisa de uma atualização. Eis o que eu mudava.

Os números específicos de janeiro estão obsoletos. A atenuação de 70 por cento, o corte de 7 dias, as 18 ações: trata-os como os tipos de coisas que o modelo aprendeu, não como valores exatos com que possas planear. O modelo pode alterá-los entre releases.

A consistência passou a ser uma questão de retrieval, não só de marca. O teu vetor no modelo de duas torres é o que decide que desconhecidos te veem. Se publicas sobre software num dia e cripto no outro, o teu vetor fica turvo e a tua descoberta sofre.

O Grox está a ler o teu conteúdo. Escreve de forma a que os classificadores percebam o que estás a fazer. Posts com ar de spam para um modelo (cheios de links, estrutura repetitiva, threads de baixo esforço) são sinalizados antes de qualquer humano os ver.

Não estás a competir contra outros posts. Por causa do isolamento de candidatos, a tua nota é absoluta. Obcecar com o que outras contas do teu nicho publicam não ajuda o teu post individual. O que ajuda é tornares o teu post melhor para o teu espectador.

Denúncias, blocks e mutes continuam a ser os assassinos. Isto não mudou. Três das cinco cabeças de previsão com peso negativo conseguem afundar um post sozinhas.

O sistema inteiro pode ser testado. Com o mini Phoenix público, a era de adivinhar o algoritmo está a acabar. Espera ferramentas e análises construídas sobre o modelo real nos próximos meses.

O quadro maior

A trajetória importa mais do que qualquer atualização isolada. O X era um sistema só de comportamento. Depois juntaram um modelo e embrulharam-no em regras. Agora tiraram as regras e deixaram o modelo fazer a maior parte do trabalho, com um serviço de compreensão de conteúdo a alimentá-lo com features mais ricas.

É a mesma direção que todos os grandes sistemas de recomendação seguiram. A diferença interessante aqui é o compromisso com o open source. O repo é atualizado com cadência, os pesos estão publicados e o pipeline de produção vem na caixa. Podes verificar as afirmações.

A próxima atualização deve estar a semanas de distância. Volto cá quando sair.

Em resumo

Três coisas a levar:

• O velho modelo mental baseado em regras está praticamente obsoleto. Um transformer baseado no Grok faz agora o trabalho, com um serviço de compreensão de conteúdo ao lado.
• O teu post é pontuado pelos seus próprios méritos face a um espectador, não contra outros posts do feed.
• O modelo é público, o pipeline é público, e verificar deixou de ser adivinhação.

Se ainda não leste o texto original sobre como funciona o algoritmo do X, os fundamentos sobre sinais de comportamento continuam úteis. Só leva os números específicos com um grão de sal.