НОВЫЕ АЛГОРИТМЫ TWITTER: КАК ТЕПЕРЬ ПРОДВИГАТЬ ПОСТЫ

Вступление

15 мая 2026 года Илон Маск опубликовал в своём твиттере один небольшой пост:

За несколько недель твит набрал 43 миллиона просмотров, 72 тысячи лайков и 25 тысяч сохранений.

Репозиторий xai-org/x-algorithm набрал более 26 000 звёзд за это время.

Впервые в истории крупнейших социальных сетей компания выложила в открытый доступ настоящий рабочий код рекомендательной системы, которая каждый день принимает миллиарды решений.

Если ты ведёшь свой твиттер и не разобрался в том, что там написано, ты проигрываешь тем, кто уже разобрался. Поэтому X School пришел к тебе на помощь и поможет разобраться в новых алгоритмах.

В этой статье разберем:

Как работает новая система алгоритмов
Что конкретно изменилось в алгоритмах
И что нужно делать по-другому, если хочешь, чтобы твои посты набирали охваты.

Приятного чтения, мой друг!

Содержание

Часть 1. Как работает новый алгоритм

От формулы к искусственному интеллекту

До января 2026 года алгоритмы твиттера работали по принципу, который можно было записать на бумаге.

Каждое действие имело фиксированный вес в баллах:

Лайк - 0.5 балла
Реплай (комментарий) - 20 баллов
Квот (цитата) - 27 баллов

И на основе этого принципа можем было сказать следующее - пост с 40 реплаями и 15 лайками (суммарно 807.5 баллов) побеждал пост с 300 лайками и 2 реплаями (суммарно 190 баллов). Теперь этого нет.

Вся система скоринга переехала в ML-модель под названием Phoenix, которую обучает Grok.

Теперь никаких фиксированных баллов за действия под постом. Модель сама учится на миллиардах точек данных и для каждого поста предсказывает вероятности 13 различных действий пользователя от лайка до жалобы.

Итоговый ранг поста - взвешенная сумма этих вероятностей:

Итоговый балл = Σ (вес_i × вероятность действия_i)

Σ - это сумма.

вес_i - насколько важно конкретное действие для алгоритма. Это внутренние коэффициенты Phoenix.

вероятность действия_i - число от 0 до 1, которое модель предсказывает для каждого пользователя. Например: «с вероятностью 0.8 этот человек ответит на пост» или «с вероятностью 0.02 он его зарепортит».

Итого: для каждого из 14 действий берётся его вес и умножается на предсказанную вероятность. Все 14 результатов складываются. Это и есть итоговый балл поста для конкретного пользователя.

Теперь алгоритм предсказывает поведение конкретного человека применительно к конкретному посту.

У алгоритма задача угадать, повзаимодействует ли пользователь с твоим постом, если алгоритм покажет его тебе.

Чуть поговорим про новую систему Phoenix

Технически Phoenix - это трансформерная архитектура на базе Grok.

Модель весит около 3 ГБ, обрабатывает порядка 500 миллионов постов в день и принимает до 5 миллиардов решений о ранжировании ежедневно. Весь процесс от открытия приложения до формирования ленты занимает меньше 200 миллисекунд.

Параллельно в системе работает Grox

Grox - это встроенный фильтр, который распознаёт спам, ботов и посты, написанные нейросетью, ещё до того, как алгоритм решает, кому их показывать

Он замечает посты, где список выглядит слишком идеально, чистые переходы между абзацами. В октябре 2025 года было удалено 1,7 миллиона ботов.

Если человек не касается экрана в типичных для живого аккаунта паттернах то система может пометить весь кластер аккаунтов.

Откуда берётся твоя лента новостей?

Формирование ленты «For You» работает в два последовательных этапа.

Retrieval - система собирает кандидатов из двух источников:

Первый источник - Thunder

Хранилище постов от аккаунтов, на которые ты подписан. Обновляется в реальном времени через Kafka (инструмент, который передаёт новые посты в это хранилище в режиме реального времени), обеспечивает отклик быстрее миллисекунды.

Второй источник - Phoenix Retrieval,

ML-система, которая ищет контент по всей платформе. Она использует двухбашенную модель - одна башня превращает пользователя в числовой вектор на основе его истории, вторая каждый пост. Система сравнивает числовой профиль каждого поста с профилем конкретного пользователя и отбирает 1500 наиболее подходящих из 500 миллионов, опубликованных за день.

Phoenix берёт этих 1500 кандидатов и сортирует их по предсказанной вероятности действий.

Все посты, которые ты видишь в своей ленте - это результат этой сортировки.

Вывод: чтобы пост вообще получил шанс на охват, он должен сначала попасть в эти самые кандидаты. Если ранние охваты слабые, распространение заканчивается на твоих подписчиках.

Если ранние реакции на твой пост сильные то модель начинает показывать пост через Phoenix Retrieval людям, которые никогда тебя не видели.

13 сигналов вместо одного

Большинство пользователей твиттера думают, что алгоритмы ранжирует посты конкретно по лайкам или реплаям.

Это устаревшее представление, алгоритм предсказывает вероятности 14 разных действий. Предлагаю разобрать их.

Позитивные сигналы:

Лайк
Реплай (комментарий)
Репост
Квот (цитата)
Клик на пост
Клик на ваш профиль
Просмотр фотографии/видео прикрепленное к посту
Сохранение поста в "Закладки"
Dwell Time (время пребывания на посте)
Подписка на автора через пост

Негативные сигналы:

Заглушить автора
Заблокировать автора
Пожаловаться на пост

Оптимизировать посты исключительно под лайки или реплаи значит оптимизировать под 1 из 13 сигналов.

Иерархия сигналов

Не все сигналы одинаковы, если упрощать до одной строки:

Reply > Share > Save > Like

Приоритет номер один - избегать негативных сигналов.

Если кто-то заблокирует тебя, это ударит по охвату поста примерно так же сильно, как если бы 74 человека одновременно убрали свои лайки с твоих постов.

Серия жалоб бьёт не по конкретному посту, а по всему твоему аккаунту и его будущим показателям. Phoenix агрессивно обучается на негативных паттернах и быстро подавляет контент с негативной историей.

Dwell time - главный новый акцент

В старой системе время пребывания на посте почти не учитывалось. Теперь это один из ключевых сигналов.

Phoenix изучает, как долго пользователь смотрит пост перед тем, как пролистнуть. Если люди дочитывают твой длинный пост до конца или досматривают видео то алгоритм воспринимает это как сильный сигнал и показывает контент большему числу людей.

Репост, квот и сохранение в закладки - второй по силе класс сигналов

Когда кто-то репостит твой пост, его видят уже не только твои подписчики, но и подписчики того, кто сделал репост

Контент, который пользователь захочет сохранить или скинуть кому-то в личку, выигрывает у контента, который просто лайкнут.

Ключевое изменение: ноль ручных правил

В репозитории есть строчка, которую аналитики называют самым важным изменением за пять лет. Раньше в алгоритме были сотни ручных настроек: видео показывать чаще, посты со ссылками реже, свежие посты ценить больше старых. Теперь всё это убрали, вместо правил решает ии, которая сама разбирается, что людям интересно.

Трансформер на базе Grok учится напрямую из истории вовлечённости.

Раньше можно было изучить правила и подстроиться под них. Теперь правил нет, нужно писать так, чтобы твои посты были похожи по смыслу и стилю на те, что уже вирусятся в твоей нише.

Более простыми словами - вся механика алгоритмов в твиттере практически перешла на базу искусственного интеллекта, который каждый день прогрессирует.

TweepCred - репутация аккаунта

Алгоритм оценивает не только конкретный пост, но и аккаунт в целом. Система TweepCred присваивает каждому аккаунту балл репутации на основе нескольких факторов.

Главное - соотношение подписчиков к подпискам. Чем больше у тебя фолловеров и чем меньше ты сам на кого-то подписан, тем лучше оценка.

Еще один фактор - возраст аккаунта и история стабильной активности. Старый аккаунт с регулярными публикациями имеет преимущество перед новым.

Важно также качество взаимодействий в сети - диалоги и упоминания с авторитетными аккаунтами поднимают твой TweepCred.

Также важно не иметь истории нарушений: не спамить, не вставлять ссылки в каждый пост, не получать повторные жалобы и блоки от других пользователей.

Подписчики с подпиской премиум/премиум+ получают буст к базовому скору репутации. У верифицированных аккаунтов потолок базового скора значительно выше, чем у бесплатных поэтому фактор покупки премиум подписки в твиттере особенно важен.

Часть 2. Что делать с новым алгоритмом

Первые 15–30 минут решают всё

Phoenix принимает решение о расширении охвата быстро.

Первые 15-30 минут после публикации - это самый важный временной промежуток.

Именно тогда алгоритм смотрит на ранние реакции и решает, стоит ли расширять показ с твоих фолловеров на глобальную аудиторию через Phoenix Retrieval.

Из этого следует конкретная тактика:

Постить нужно тогда, когда твоя аудитория онлай, в часы активности именно твоих подписчиков.

В первые полчаса после публикации нужно быть на месте и отвечать на каждый реплай. Каждый ответ автора добавляет Dwell Time поста.

Если пост не выстрелил в первые 60 минут, двигайся дальше. AgeFilter уже начинает его подавлять.

Проектируй реплаи, а не лайки

Самый частый вопрос, который стоит задавать себе при написании поста:

Что заставит человека почувствовать, что надо ответить, а не просто пролистнуть?

Две конструкции, которые стабильно работают:

Занять позицию, с которой часть аудитории будет не согласна. Люди не могут пройти мимо тезиса, с которым они не согласны.
Намеренно ошибочное утверждение в посте, каждая поправка - реплай.

Финальные строки поста особенно важны, не забывайте.

Архитектура Dwell Time

Dwell time - это то, как долго человек задерживается на посте. Длинные посты и видео теперь работают сильнее, но только если они удерживают внимание. Видео должно цеплять в первые две секунды, а текст давать причину дочитать до конца.

Люди уходят быстро если первые два предложения не зацепили.. Сплошной текст без абзацев и пауз читать неудобно, поэтому его тоже бросают. И если самое интересное спрятано в середине то большинство до него просто не доберётся.

Что удерживает:

Первые 15-20 слов, которые не возможно не читать
Аккуратное оформление (грамотно разделить весь пост на абзацы, заголовок сайта сделать жирным и т.д.)
Фотография/видео прикрепленное к посту

Пост должен выглядеть не как заметка в блокноте, нужно найти свое аккуратное оформление постов, которое вам зайдет.

Ниша важнее охватов

Phoenix использует 145 000 тематических кластеров (SimClusters), группирующих пользователей по интересам.

Когда ты публикуешь пост, модель считывает его смысл и матчит с наиболее релевантными кластерами.

Если ты регулярно пишешь про ии, а потом публикуешь GM пост то алгоритм не знает, какому кластеру его показывать. Аудитория искусcтвенного интеллекта в основном не реагирует на подобные посты, модель фиксирует низкое качество и подавляет распространение.

Чем чётче ты придерживаешься одной темы, тем лучше алгоритм понимает, кому показывать твои посты и тем больше людей за пределами твоих подписчиков их увидит.

Смешивать темы значит размывать сигнал для Phoenix.

Хэштеги почти перестали работать. Трансформерная модель понимает содержание поста напрямую из текста, без тегов-подсказок.

Вместо хэштегов важна тематическая лексика - это использовать слова и термины, которые встречаются в уже вирусном контенте твоей ниши.

Author Diversity Scorer: почему больше не значит лучше

В системе есть механизм, который явно штрафует повторное появление одного и того же автора в ленте. Он называется Author Diversity Scorer.

Если ты публикуешь пять постов за два часа, алгоритм выбирает лучший, а остальные подавляет в той же ленте.

Регулярность бьёт объём.

Оптимальный режим 1–3 качественных поста в день с интервалом не менее 3-4 часов между ними. Разный формат тоже важен, если два поста подряд выглядят одинаково, система может пометить их как паттерн.

Аккаунты с миллионами показов на пост постят 2-4 раза в день, а не 20.

Эффект цепочки через Profile Click

P(profile_click) и P(follow_author) - оба позитивных сигнала в модели.

P(profile_click) - вероятность того, что пользователь кликнет на твой профиль после просмотра поста.

P(follow_author) - вероятность того, что пользователь подпишется на тебя после просмотра поста.

Они создают накопительный эффект:

Вирусный пост → клики по профилю → новые фолловеры → больший охват следующего поста

Поэтому у некоторых аккаунтов после одного вирусного поста резко растёт средний охват, они накопили высокий базовый балл через profile clicks и follows.

Наглядный пример инфлюенсеров из СНГ - Kaize

В марте этого года он запостил статью: «Более 70 бесплатных подписок для студентов», которая набрала больше 8 миллионов просмотров. После этой статьи весь контент каизе начал набирать больше среднего, а в особенности именно статьи.

Ссылки в пост не ставить

Старая практика, которая сохраняет актуальность. Посты с внешними ссылками в посте получают резко сниженный органический охват.

Ссылку в идеале нужно добавлять в первый комментарий к посту, а не в сам пост.

Заключение

Начиная с весны этого года, алгоритмы твиттера перестали быть неким чёрным ящиком. Код лежит в открытом доступе на GitHub. Принципы работы алгоритмов известны.

Хэштеги не дают тебе преимущества. Идеального времени для постинга не существует (за исключением времени постинга, когда твои подписчики наиболее активны). Сейчас алгоритмы твиттера смотрят именно на структуру поста и как он написан.

Подметим три самые важные вещи в Phoenix для ведения твоего твиттера:

Негатив подавляет контент быстрее, чем позитив
Reply, Share, Save, Like и Dwell Time теперь важные факторы для твоих охватов
Теперь первые минуты публикации поста еще важнее чем это было раньше

Те кто каждый раз подстраиваются под определенные алгоритмы твиттера тот и побеждает, набирает космические охваты на постах и успешно продает рекламные посты за хорошие офферы.