🔴 X 演算法的權重,官方真的公開具體數字了嗎?

是,而且就在 GitHub 上可以直接讀。檔案是 xai-org/x-algorithm 的 home-mixer/params/param.rs。官方 2026-08-13 那次更新的說明寫著「Adds key configuration parameters (including weights used to blend predicted action values into a score for a post)」。⚠️ 這一點很重要:網路上不少 2026 年上半年寫的懶人包還在說「官方沒有給出具體權重數值」——那在當時是對的,但 8 月之後已經不成立了。我是把 param.rs 原始檔抓下來逐條讀出來的,不是看轉述。(2026-08-15 查證)

⚠️ 「一個檢舉等於抵掉 468 個讚」這個說法對嗎?

🔴 官方在原始碼註解裡直接說這是錯的。原文:「One common misinterpretation is that you can read these weight ratios as count equivalences, e.g. the incorrect statement that "one report cancels 468 likes" -- this is incorrect because the weights apply to the predicted probabilities rather than raw counts.」關鍵在於權重乘的是「系統預測你會做這個動作的機率」,不是「已經發生的次數」。官方還補了一句解釋為什麼檢舉的權重數字要那麼大:「the baseline probability of a Report is more than 1000x lower than a Like, so it's weighted more to allow the prediction to affect the final ranking at all」——檢舉的基礎發生率比按讚低一千倍以上,權重不放大的話根本影響不到排序。💡 所以那個數字不是「懲罰倍率」,是「校正稀有度」。

那實際的權重數字是多少?

以 2026-08-15 我讀到的 param.rs 預設值:正面——分享(複製連結)20、雙向追蹤者的回覆加成 15、回覆 5、引用 5、分享到私訊 5、追蹤作者 4、分享 2、轉推 1、點擊 0.4、開連結 0.2、按讚 0.5、看照片/看影片各 0.05。負面——檢舉 -234、靜音作者 -58.8、點不感興趣 -43.2、封鎖作者 -31.2、沒停留 -0.02。⚠️ 有兩個值得注意的 0:停留時間(DwellWeight)和點進個人檔案(ProfileClickWeight)預設都是 0.0。⚠️ 這些是「設定檔的預設值」,官方明講實際運行會用實驗系統動態調整,不是永久固定的數字。

🔴 這些數字可以直接套到 Threads 嗎?

不行,這是這篇最需要講清楚的一件事。Threads 沒有開源演算法,Meta 也沒有公布過任何等同於 param.rs 的權重表。所以任何「Threads 的按讚權重是多少」的說法,目前都沒有官方來源可以查證。💡 我在文章裡只做一件事:把 X 官方公開的「設計邏輯」整理出來,當作一種思考角度——例如「負面訊號的權重遠大於正面訊號」「分享比按讚重」這類方向性的東西。但這是我的推測,不是 Threads 官方說法,文章裡也標成推測。⚠️ 如果哪天有人拿這篇說「Threads 官方說按讚權重 0.5」,那是誤讀。

Threads 官方到底有沒有講過排序邏輯?

Threads 本身沒有像 X 這樣公開權重。Instagram 負責人 Adam Mosseri 有在公開場合講過 Instagram 的排序訊號(watch time、likes、sends 等),但⚠️ 那是 Instagram 不是 Threads,兩者是不同的產品、不同的排序系統,不能混為一談。我在文章裡沒有引用二手部落格整理的「Threads 演算法排名訊號」那類內容——那些多半沒有官方出處。查不到就寫查不到。

小帳號在 X 有沒有機會?原始碼裡看得出來嗎?

看得出來有一組專門給低曝光作者的參數。param.rs 裡有 ColdStartImpressionThreshold 預設 1000、ColdStartFollowerCap 預設 1000、ColdStartMaxPostAgeSecs 預設 86400(24 小時)、ColdStartSlotMin/Max 是 15/16。README 對這件事的描述是「New-Author Boost: posts from authors whose impressions are below a threshold are lifted toward a target position」(低於門檻的作者會被拉到目標位置)。💡 我的讀法:這組數字看起來是「曝光低於 1000、追蹤者少於 1000 的帳號,發文 24 小時內有機會被放到第 15~16 個位置」。⚠️ 但參數名稱的實際行為要看程式碼邏輯才準,我沒有逐行讀 scorer 的實作,所以這是根據參數名稱與 README 的推讀,不是確定結論。

X 把演算法權重開源了——我去讀了原始碼,順便想:Threads 會不會也是這樣算的?

本文可能含分潤連結。你透過連結購買不會多花錢,我會拿到一點分潤 —— 這也是我這個挑戰的收入來源之一。

X 在 2026 年 8 月把 For You 的排序程式碼開源了,連具體的權重數字都放上 GitHub。

我看到一篇整理得很好的中文懶人包,但裡面有一句是「官方文件沒有給出目前的具體權重數值」。那篇是 4 月寫的——8 月之後這句已經不成立了。

所以我自己去把原始碼抓下來讀。這篇整理三件事:

① 官方原始碼實際寫了哪些數字 ② 官方親自否認了哪個熱門說法 ③ 🔴 這些能不能套到 Threads(先講結論:不能直接套)

一、先講這篇的範圍與極限

我讀的是 X 官方 GitHub repo xai-org/x-algorithm 的原始檔,不是別人的轉述
🔴 Threads 沒有開源演算法,本文所有「Threads 會不會也這樣」的段落都是我的推測,不是官方說法
⚠️ 我沒有逐行讀完整套 Rust 實作,主要讀的是參數檔與官方 README
不預測「這樣做一定會爆」,演算法會變,而且權重官方明講會動態調整

二、🔴 官方公開的權重,實際數字長這樣

檔案位置:home-mixer/params/param.rs。以下是 2026-08-15 我讀到的預設值:

正面訊號

動作	權重
分享(複製連結)	20
雙向追蹤者的回覆加成	15
回覆	5
引用	5
分享到私訊	5
追蹤作者	4
分享	2
轉推	1
按讚	0.5
點擊	0.4
開連結	0.2
看照片 / 看影片 / 影片有效觀看	0.05
停留時間	0.0
點進個人檔案	0.0

負面訊號

動作	權重
檢舉	-234
靜音作者	-58.8
點「不感興趣」	-43.2
封鎖作者	-31.2
沒停留	-0.02

🔴 這張表最反直覺的三件事

① 按讚只有 0.5,是所有正面訊號裡幾乎最低的。

分享(複製連結)是 20,回覆和引用是 5。按讚的權重是複製連結的四十分之一。

② 「停留時間」和「點進個人檔案」預設是 0。

很多經營建議會說「要讓人停留久一點」「要引導點進個人檔案」——至少在這份設定檔的預設值裡,這兩個動作的權重是 0。

⚠️ 但要注意:另外有一個 ContDwellTimeWeight(連續停留時間)是 0.004,不是 0。所以停留這件事不是完全沒用,而是用另一個參數在算。

③ 負面訊號的絕對值遠大於正面訊號。

檢舉 -234,而按讚只有 0.5。

——但這個對比正是被誤讀最嚴重的地方。

三、🔴 官方在原始碼註解裡,親自否認了一個熱門說法

這是我讀原始碼最大的收穫。X 官方在 param.rs 的註解裡直接寫:

「One common misinterpretation is that you can read these weight ratios as count equivalences, e.g. the incorrect statement that “one report cancels 468 likes” – this is incorrect because the weights apply to the predicted probabilities rather than raw counts.」

(一個常見的誤解是把權重比例讀成次數的等價關係,例如「一個檢舉抵掉 468 個讚」這種錯誤說法——這是不對的,因為權重作用在預測機率上,不是原始的次數。)

那為什麼檢舉的數字要設那麼大?

官方自己解釋了:

「the baseline probability of a Report is more than 1000x lower than a Like, so it’s weighted more to allow the prediction to affect the final ranking at all.」

(檢舉的基礎發生機率比按讚低一千倍以上,所以權重要放大,否則這個預測根本影響不到最終排序。)

🔴 所以 -234 不是「懲罰倍率」,是「稀有度校正」。

因為幾乎沒人會按檢舉,如果權重不放大,這個訊號在總分裡等於不存在。

官方還否認了另一件事:大量檢舉能不能打壓別人

註解裡有一整段在講這個,重點兩條:

系統算的是「你這個人會不會做這個動作」的機率,不是把別人的檢舉次數加總。 而且推薦是個人化的——「reports from bad actors will primarily affect recommendations for users who are similar to the bad actors」(惡意檢舉主要影響的是「跟那些人相似的用戶」看到的推薦)。
必須是「在首頁時間軸被推薦到」的互動才算數。 原文:「Directly navigating to a post (i.e., coordinating via groupchat) has no ranking impact」——用群組揪人直接點連結進去互動,對排序沒有影響。

💡 這第二點反過來對創作者也成立:揪人去按讚,在演算法上是無效的。

四、除了權重,還有三個調整項

官方 README 寫排序分數算完之後還有三道調整:

調整	官方描述	實際參數值
作者多樣性	同一作者的第二篇之後會乘上遞減係數,有下限	遞減 0.5、下限 0.25
網外折扣	沒追蹤的人的貼文乘上小於 1 的係數	0.75(主題類 0.5)
新作者加成	曝光低於門檻的作者會被拉到目標位置	見下

🔴「連續發文會被降權」這件事,原始碼支持

作者多樣性的遞減是 0.5、下限 0.25。

也就是說同一個人被連續看到時,第二篇之後的分數會被砍,最低砍到剩四分之一。

💡 這跟很多平台經營建議講的「不要連續洗版」方向一致,而 X 這邊有具體數字。

小帳號有沒有機會?有一組專門的參數

param.rs 裡有一組 cold start 參數:

參數	預設值
`ColdStartImpressionThreshold`	1000
`ColdStartFollowerCap`	1000
`ColdStartMaxPostAgeSecs`	86400(24 小時)
`ColdStartSlotMin` / `SlotMax`	15 / 16

💡 我的讀法:曝光低於 1000、追蹤者少於 1000 的帳號,發文 24 小時內有機會被放到第 15~16 個位置。

⚠️ 但這是我根據參數名稱與 README 推讀的,不是確定結論 —— 參數的實際行為要看 scorer 的程式碼邏輯才準,那部分我沒有逐行讀。

五、🔴 那 Threads 呢?這一節全部是推測

先把話講死:Threads 沒有開源演算法,Meta 也沒有公布過任何等同於 param.rs 的權重表。

所以以下沒有一句是官方說法,是我把 X 的設計邏輯拿來當思考角度:

可能可以參考的方向

① 「分享」可能比「按讚」重要得多。

X 這邊按讚 0.5、複製連結分享 20,差四十倍。這個設計邏輯不難理解——按讚是最廉價的動作,分享是要付出社交成本的。

💡 如果 Threads 的設計邏輯類似,那「值得被轉出去的內容」會比「順手按個讚的內容」更有價值。

② 負面訊號可能比想像中致命。

X 的靜音是 -58.8、封鎖 -31.2。這提醒的是:讓人不想再看到你,代價可能遠高於少拿幾個讚。

⚠️ 但要記得官方的澄清——這是作用在「預測機率」上,不是「有人封鎖你就扣 31 分」。

③ 連續發文可能會稀釋自己。

X 有明確的作者多樣性遞減(0.5、下限 0.25)。同一個人短時間連發,後面幾篇的分數被砍是這類系統常見的設計。

🔴 但這些都不能當成 Threads 的事實

我要很明確地講:上面三點是「X 這樣設計,而這個設計邏輯有其道理」,不是「Threads 也這樣」。

⚠️ 網路上有不少「Threads 演算法排名訊號」的整理文,我查過之後沒有採用——因為那些多半沒有官方出處,查到底常常是某個部落格自己歸納的。

Threads 官方講過的東西是什麼? Instagram 負責人 Adam Mosseri 有在公開場合講過 Instagram 的排序訊號,但⚠️ 那是 Instagram 不是 Threads,是不同產品、不同排序系統。把 Instagram 的說法當成 Threads 的規則,跟把 X 的權重當成 Threads 的權重,是同一種錯誤。

所以誠實的結論是:Threads 的實際權重,目前沒有官方來源可查。

六、如果要從這件事學一點什麼

拋開數字,X 這次開源真正有意思的是它揭露了「一個推薦系統實際上在算什麼」:

① 系統算的是「機率」不是「次數」。

這是最容易被誤讀的一點,連官方都特地寫註解澄清。它預測的是「你這個人會不會對這則做某個動作」,而且是個人化的。

② 「互動」不是一種東西,是十幾種,而且價差很大。

X 預測的動作包括按讚、回覆、轉推、引用、分享、私訊分享、複製連結、點擊、看照片、看影片、停留、追蹤作者,以及五種負面動作。把它們全部叫做「互動率」會失去所有有用的資訊。

③ 揪人互動無效。

官方明講「直接點連結進去的互動對排序沒有影響」。這對「找朋友幫按讚」這種做法是直接的否定。

💡 而這三點跟平台無關——不管是 X、Threads 還是別的,只要是「用機器學習預測你會不會互動」的推薦系統,這個框架大致都成立。這也是我覺得這份原始碼值得讀的原因:它讓「演算法」從玄學變成可以讀的東西。

七、這篇的極限

權重數字是 2026-08-15 讀到的 param.rs 預設值,⚠️ 官方明講實際運行會用實驗系統動態調整,不是永久固定的數字
我沒有逐行讀完整套 Rust 實作,主要讀參數檔與官方 README;涉及「參數實際怎麼被使用」的部分我都標了是推讀
🔴 所有關於 Threads 的段落都是推測,Threads 沒有公開演算法,不要當成官方規則
⚠️ 本文沒有採用網路上二手整理的「Threads 演算法訊號」,那些多半查不到官方出處
不預測「這樣做一定會爆」

資料來源(查證日 2026-08-15):

🔴 X 官方演算法 repo — xai-org/x-algorithm(README:系統架構、Scoring and Ranking、三道調整項的描述)
🔴 home-mixer/params/param.rs 原始檔(本文所有權重數值與 cold start 參數的來源,逐條讀取)
🔴 同上檔案內的官方註解(「one report cancels 468 likes」是錯的、檢舉基礎機率低一千倍、惡意檢舉的三點澄清、直接點連結無排序影響)
X 官方工程帳號公告(開源公告)
💡 啟發來源:黑貓老師〈X(twitter)的 2026 新演算法懶人包〉——那篇把架構講得很清楚,本文補的是「8 月之後官方公開了具體權重」這一段