馬斯克補交X算法作業，四個月後終於放出廣告混排程式碼

据動察 Beating 監測，馬斯克 2026 年 1 月承諾開源 X 新算法後，X 官方算法倉庫在 2026 年 5 月 15 日迎來第二次主提交。相比 1 月 20 日的首版，這次更新規模明顯更大，共涉及 187 個檔案，新增 18,263 行、刪除 926 行，核心增量從「解釋推薦架構」推進到「補出可運行推理鏈路和廣告混排邏輯」。

最關鍵的變化是 Phoenix 推薦模型終於有了端到端演示。新加入的 phoenix/run_pipeline.py 可以從導出的 checkpoint、用戶行為序列和預計算語料出發，依次跑完召回和排序：先根據用戶歷史找出候選內容，再預測點贊、回覆、轉發、停留等互動概率，最後合成排序分數。這比 1 月版本只給檢索和排序模組說明更接近真實推薦流程。

這次還新增了約 3GB 的 mini Phoenix 模型 artifact，用於開箱跑示例推理。不過倉庫文檔存在一處參數衝突：根 README 寫的是 256 維 embedding、2 層 Transformer，Phoenix 文檔和參數表寫的是 128 維 embedding、4 層 Transformer，具體配置仍需以 artifact 解壓後的 config.json 為準。

更有新聞點的是廣告部分。1 月馬斯克原話承諾會開源自然內容和廣告推薦相關代碼，但首版幾乎沒有廣告混排細節。5 月更新補上了 home-mixer/ads/，可以看到廣告插入並非固定位置硬塞，而是會受安全間隔、相鄰內容風險、作者帳號、關鍵詞和品牌安全規則影響。

此外，X 還加入了新的 grox/ 內容理解管線，覆蓋垃圾內容識別、帖子分類、政策安全判斷和多模態 embedding。整體看，這次更新真正補的是推薦系統外圍生產鏈路：候選怎麼來、廣告怎麼插、安全怎麼攔、結果怎麼寫回。它仍然不是完整生產代碼，但已經比 1 月那版更像一套能被研究者拆解的 X For You 推薦系統樣本。