いいね0.5に対して通報は-234：Xの公開コードで読む「おすすめ」の採点と、嫌われない投稿設計8項目

結論

Xのおすすめ（For You）は「いいねの数で決まる」と思われがちだ。だが公開コードの採点表では、いいね0.5に対して報告（通報）は-234、ミュートは-58.8。読者に嫌がられる見込みがわずかにあるだけで、いいねされる見込みを大きく打ち消す採点になっている。しかもこの重みが掛かるのは、実際に付いた「いいねの数」ではなく、「投稿を見せる相手ひとりひとりについて、その人がいいねしそうか・通報しそうか」という確率だ。だから、伸ばす工夫より先に「興味のない人に届いたとき嫌がられない」投稿設計を整えるべきだと私は考えている。

この記事は、その根拠になっている公開コードを一次資料の順に読んでいく。前半（§1〜8）は仕組み、後半（§9〜10）は私の解釈と投稿設計だ。実践だけ知りたい人は、§9のチェックリストへ飛んでもらって構わない。

この記事の読み方

一次資料はGitHubで公開されているxai-org/x-algorithmだ。引用する数値は、そのREADME（公開コードに添えられている公式の説明書。以下「説明書」と呼ぶ）と、重みの設定ファイル（param.rs）から2026-09-02時点で読み取った。ファイルの一覧は記事末尾の「参考資料」にまとめてある。

なお、公開コードは4週間ごとに更新して透明性を示すとマスク氏が約束している（TechCrunch 2026-01-20）。数値は変わるので、値の暗記ではなく「どういう構造か」を持ち帰ってほしい。

1. 公開は3回に分かれた

公開されていないものも明記されている。説明書の「What's not in this repo?」には、Grox（投稿の中身を検品するモデル。Grokと1字違いだが別物。§8で説明する）への指示文の本文と、一部のBotmaker（スパム判定などのルールを書く仕組み）のルールが挙げられ、理由は「人々がシステムを攻略するのに使いうるから」とある。つまり「重みは見えるが、スパム判定の急所は見えない」状態だ。

2. 投稿がタイムラインに出るまでの8段階

説明書の「System Architecture」に沿うと、1回の「おすすめ」表示は次の順に組み立てられる。

1. 読者の情報を集める（Query Hydration）。直近の行動履歴、フォロー一覧、ブロック・ミュート
2. 候補を集める（Candidate Sources）。後述の3系統から投稿を集める
3. 候補の情報を集める（Candidate Hydration）。本文・メディア・著者・反応数
4. 採点前フィルタ（Pre-Scoring Filters）。重複、48時間より古い投稿、ブロック／ミュート相手、既読、ミュートしたキーワードを落とす
5. 採点（Scoring）。Phoenixが行動確率を予測し、重みを掛けて合計する
6. 選抜（Selection）。上位N件を残す
7. 表示可否（Post-Selection Filters）。表示／警告付き／非表示（ALLOW／INTERSTITIAL／DROP）を判定する
8. 混ぜる（Blending）。広告・「おすすめユーザー」などを差し込む

ここで押さえてほしいのは、並べる（5）と見せてよいか（7）は別の仕組みだという点だ。説明書の設計方針にも「ランキングと表示可否は分離する」（Ranking and Visibility Are Separate）と明記されている。「伸びない」には「採点で沈んでいる」と「表示可否で止められている」の2種類があり、対処が違う。見分け方と対処は§10で扱う。

3. 候補を集める3つの入口

候補を集める入口は3系統ある（説明書のComponents）。ここから先、フォローしている相手を「内輪」、それ以外を「外輪」と呼ぶ。

2023年版では内輪と外輪を約半々で混ぜていた（§1の表のとおり）。2026年版の説明書に比率の明記は無いが、後述の「外輪割引（0.75）」が採点段階で効くため、外輪の投稿は、採点が同じでもスコアが0.75倍（25%減）になる。

4. 採点前フィルタは土俵に乗る条件

採点の前に落とされる条件は明確だ。説明書には、48時間より古い投稿、既に見せた投稿、ブロック・ミュートした相手の投稿、ミュートしたキーワードを含む投稿、重複が挙げられている。

実務での意味は1つ。時事ネタは48時間で候補から外れる。「あとで伸びる」は起きにくい構造なので、鮮度のある話題は当日に出すのが合理的だろう。

5. 採点係のPhoenixは64種類の行動確率を一度に出す

採点係のPhoenixの仕組みは、Phoenixの説明書に書かれている。名前は覚えなくてよい。「採点する係」とだけ押さえておけば十分だ。

入力は読者の直近1,022件の行動履歴（執筆時点の設定値）と、候補投稿の特徴だ。投稿は本文の文字がそのまま渡るわけではない。本文と画像・動画の内容を、図書館の分類コードのような短い記号列、いわば「意味ID」に要約して渡す。誰が書いたか（著者ID）も、元の値が分からない形に変換される。

出力は「この読者がこの投稿に対して各行動をとる確率」で、64種類の離散行動（いいね・返信・リポスト・引用・共有の各種・クリック・「興味なし」・ミュート・ブロック・報告など）と8種類の連続値（滞在時間など）を、1回の推論で同時に出す。

Phoenixが確率を出す段階では、候補どうしは互いを参照しない。隣に何が並ぶかで確率は変わらない。

初期公開版は「Grok-1のオープンソース版から移植したサンプル」だったが、現在は「本番実装そのもの」だと説明書に書かれている。

その確率に次章の重みを掛けて合計したものが基本スコアだ。説明書の式は明快で、

Final Score = Σ (weight_i × P(action_i)) — xai-org/x-algorithm README

日本語にすると「合計点 ＝ 行動ごとに（重み × その読者がその行動をとる確率）を計算して、全部足したもの」になる。

さらに2026-08-14の更新で、重みは予測確率に掛かるのであって生のエンゲージメント数には掛からない、と明記された。ここは誤解が多い。「いいねが100付いたから+50点」ではなく、「この読者がいいねする確率が0.3なら0.5×0.3」という計算だ。

ただし合計のあとに、並びを見て点を動かす調整が3つ入る（説明書「How It Works」）。

最後にVMRankerという仕上げの係が、似た投稿が続かないように散らしてから上位を選抜する。

6. 重みの一覧：会話は10倍、否定は桁違い

重みの実物はhome-mixer/params/param.rsにある。2026-09-02時点の主な値を挙げる（ごく小さい重みなど一部は省略した。全量はリンク先の実物で見られる）。肯定と否定で表を分けた。分けるだけで、桁の違いが見えるからだ。

まず肯定側。

次に否定側。行数は少ないが、値の桁が違う。

この表から読み取れることは3つある。ここからは私の解釈を含む。

• 会話は、いいねの10倍重い。 返信5.0・引用5.0はいいね0.5の10倍。相互フォロー相手からの返信には+15.0が上乗せされる。「いいねを集める」より「返したくなる」投稿の方が採点上は有利だ。
• 否定は、桁が違う。 ここで「報告1件＝いいね468件ぶんのマイナス」と数えたくなるが、それは正確ではない（重みは件数ではなく確率に掛かる・§5）。正しくは「その読者に報告されそうな気配がわずかにあるだけで、いいねされる見込みがどれだけ高くても採点上は打ち消される」ということ。届く範囲を広げるほど、興味のない読者に当たる確率も上がる。
• リンク共有が20.0で突出している。 「リンクをコピーして誰かに送る」は、もっとも強い肯定シグナルとして扱われている。読んだ人が「誰かに見せたい」と思う内容かどうか、という問いに置き換えられる。

重みは実際に動く：20.0から15.0への記録

値が変わる実例も公開されている。docs/BIDIRECTIONAL_BOOST_CHANGE.mdによれば、相互フォロー相手の返信への加算は2026年7月24日に20.0から15.0へ下げられた。理由は「実験結果と、Xでのフィードバック。例えばワールドカップの話題をもっと見たいのに、あまり流れてこなかった人がいた。話題の多くがフォローしていないアカウントの投稿だったからだ」というもの（原文を要約）。仲間内の会話を強くしすぎると外の話題が入ってこなくなる、という調整だ。

説明書には「本番の値を定期的に公開コードへ反映する自動処理を回している」とも書かれている。値そのものより、値が動く理由（多様性と会話のバランス）を追う方が長持ちする。

7. 表示可否は採点とは別の関門

第7段階の表示可否は、見せてよいかを判定する部品（visibility-filtering）、ラベル付けのルールを当てる部品（scarecrow）、そのルールを書く仕組み（§1のBotmaker）の3つが担う。ここに入る材料が、検品モデルGroxによる分類（スパム・成人向け・暴力的メディアなど）と、アカウント単位の信用スコアだ。

「シャドウバンされているのでは」という疑問に対しては、今回「Under the Hood」という、自分のアカウントと投稿に付いたラベルの集計を見られるツールが用意された（説明書「Under the Hood Label Transparency Tool」）。TechCrunchによれば、過去1か月分の集計をJSONファイルで書き出し、公開コードと一緒に好きなAIに読ませて「自分のアカウントに何が起きているか」を説明させる使い方が想定されている。

8. Grokはどこで使われているのか

「アルゴリズムはGrokになった」と語られがちだが、公開コードでは役割が3つに分かれている。

1. 採点係のPhoenix。Grok-1から移植したAIモデルが出発点で、現在は本番実装を公開している（§5）
2. 検品係のGrox。投稿された瞬間に本文と画像・動画を読み、スパム等の分類と後段モデル用の数値表現を作る。プロンプト本文は非公開
3. 非公開の違反予測。Grokでルール違反を予測する部分は、今回も公開されていない（TechCrunch）

つまり「Grok対策」という特別な何かは無い。内容が全文読まれ、読者ごとに64種類の行動確率で採点されるのだから、表面のタグや定型テクニックが効きにくくなった、と理解する方が実態に近いと私は考えている。

9. 投稿設計への翻訳：8項目のチェックリスト

ここからは私の運用の話になる。私はExos AIというX運用ツールを個人で運営していて、生成プロンプトの規約をこの構造に合わせている。効果量（何%伸びたか）は未計測なので、「公開された採点基準に設計を合わせている」という話として読んでほしい。

10. やらないこと・落とし穴

逆に、やらない方がよいと考えていることも4つ挙げておく。

エンゲージメントベイト（「RTした人フォローします」型）はやらない。返信・リポストを稼げても、興味のない読者に届いた瞬間「興味なし-43.2」「ミュート-58.8」を積む。桁が違う以上、割に合わないと考えている。

「リンクを貼ると死ぬ」という定説も鵜呑みにしない。上の表のとおり、リンクの存在自体への減点は見当たらない。ただし採点（§5）と表示可否（§7）は別で、スパム判定側にリンクの扱いがあるかは非公開部分に含まれうる。ここは断定しない。

今日の重みを暗記しない。値は動く（§6の20→15）。「否定が桁違いに重い」「実数でなく予測確率に掛かる」「並べると見せるは別」の3点だけ覚えればよい。

「伸びない＝シャドウバン」と即断しない。まずUnder the Hoodでラベルの有無を見る。ラベルが無ければ、採点で沈んでいる（届いた読者に嫌がられている）可能性の方を疑う。ラベルがあれば、表示可否で止められている方だ。該当する種類の投稿（成人向け・スパム的な誘導など）をやめて様子を見るのが先だと考えている。ラベルは投稿単位とアカウント単位があるので、どちらに付いているかも見ておきたい。

参考資料（一次資料を優先）

まとめ

持ち帰りは1つ。Xのおすすめは加点計算ではなく、減点が桁違いに大きい採点だということ。いいねを増やす施策より先に「興味のない人に届いたとき嫌がられないか」を確認する方が、公開された採点基準に合っている。

次にやることも1つ。直近10投稿を見返して「誰向けか1行で言えない投稿」を数えてみてほしい。多いほど、興味のない相手に当たって否定シグナルをもらう機会が増える。Exos AIの同梱プロンプトも、この採点基準に合わせて書いている。