X публикует алгоритм ранжирования в открытом доступе и запускает инструменты прозрачности

13 августа 2026 года X существенно расширил открытую публикацию своего алгоритма ранжирования, разместив исходный код ленты «For You» на GitHub под лицензией Apache 2.0. В релиз вошли ядро алгоритма ранжирования, параметры конфигурации модели, детали фильтров и система оценки Phoenix — последнюю независимые исследователи уже проверили в собственных тестах.

Параллельно с публикацией кода X представил функцию прозрачности «Under the Hood» для пользователей, делающих не менее десяти публикаций в месяц. Они могут скачать агрегированные данные своего аккаунта в формате JSON с информацией о том, какие метки системы X присвоили их аккаунту или публикациям. Компания намеренно разработала инструмент так, чтобы нетехнические пользователи могли загрузить этот JSON в LLM вместе с опубликованным на GitHub репозиторием и получить объяснение на понятном языке о том, как система обрабатывала их контент.

Этот шаг затрагивает категорию продуктовых решений, которые большинство социальных платформ исторически оставляли непрозрачными: что определяет, достигает ли публикация своей аудитории, и был ли охват пользователя снижен автоматизированными системами без его ведома. X позиционирует инструмент прозрачности как прямой ответ на давние претензии по поводу теневого бана — практики ограничения распространения без уведомления пользователя.

Для product manager’ов значимость этого события двойная. На уровне паттерна: платформы, конкурирующие за внимание авторов и паблишеров, будут испытывать всё большее давление с требованием объяснять свои алгоритмы ранжирования и дистрибуции более явно, поскольку крупная платформа теперь задала конкретный пример того, как может выглядеть такая прозрачность. На уровне дизайна: конкретная архитектура, которую выбрал X — открытый код плюс экспорт персональных данных в режиме только для чтения, а не пользовательские настройки ранжирования — представляет собой осознанное решение о том, где провести границу подотчётности. Этот компромисс стоит изучить всем, кто строит продукты с AI-влиянием на дистрибуцию, курированием лент или рекомендательными системами.

Системы, используемые Grok для предсказания нарушений правил, остаются проприетарными. X объяснил это необходимостью не допустить, чтобы злоумышленники оптимизировали контент в обход модерации. Напряжение между этой оговоркой и общей нарративом прозрачности стоит отслеживать по мере развития политики.