El código público de For You de X cambió el 5 de noviembre. Sus valores predeterminados de Home Mixer ahora asignan un coeficiente más alto a los "likes", "shares" y tiempo de permanencia predichos, mientras que el coeficiente para los clics predichos disminuyó. El coeficiente para la apertura de un video cayó a cero.
Eso suena como un cambio directo hacia la atención. Pero hay un truco: estos números no son puntos otorgados por cada "like", "share" o segundo visto. Pesan las predicciones sobre cómo un espectador en particular puede responder a una publicación en particular. También representan valores predeterminados configurables, no una garantía de que cada usuario vea la misma configuración.
Aquí está lo que cambió, cómo leerlo y qué pueden hacer realmente los creadores con la información.
Los cambios del 5 de noviembre
Comparamos la instantánea de código del 5 de noviembre con la versión anterior. Siete valores predeterminados de ponderación de puntuación de Home Mixer cambiaron:
Para la mecánica general, consulta nuestra guía anterior del Algoritmo de X 2026. Una instantánea posterior del 7 de noviembre todavía muestra los mismos valores predeterminados de "like", "share", clic y apertura de video. La comparación a continuación aísla el cambio del 5 de noviembre.
| Señal en el modelo de puntuación | Antes | Después |
|---|---|---|
| Me gusta previsto | 0.66 | 0.708 |
| Tiempo continuo de permanencia previsto | 0.006 | 0.0075 |
| Clic previsto | 0.3 | 0.274 |
| Apertura de vídeo prevista | 0.02 | 0 |
| Compartición prevista | 2.0 | 2.118 |
| Tiempo de permanencia tras el clic previsto | 0.4 | 0.385 |
| Selección prevista de «No me interesa» | −52.272 | −53.07 |
El coeficiente de dwell continuo aumentó en un 25%. Eso no significa que las publicaciones obtengan un 25% más de alcance, ni que cada segundo adicional tenga el mismo efecto en todos los espectadores. Otras predicciones, filtros y etapas de clasificación también importan.
El hecho de que el coeficiente de video-open llegue a cero significa que este término en particular contribuye con cero bajo ese valor por defecto. No significa que el video ya no importe, ni que otras predicciones relacionadas con el video y el comportamiento de visualización hayan dejado de influir en las recomendaciones.
El mismo commit también activó el valor por defecto para EnableHomeExcursionScores. Su nombre por sí solo no es suficiente para establecer qué debe hacer un creador o cuánto cambia el alcance.
Por qué no puedes calcular el alcance de una publicación a partir de los pesos
X describe sus pesos de puntuación como multiplicadores sobre probabilidades predichas o valores continuos, no sobre conteos de acciones brutas. El modelo estima qué tan probable es que un espectador específico actúe, o cuánto tiempo puede pasar, y el sistema combina esas estimaciones con pesos y otros ajustes. X explica la distinción en su README.
Para una ilustración simplificada, si un modelo estimara un 10% de probabilidad de un like, multiplicar 0.10 × 0.708 da una contribución de 0.0708 para ese término. Esta es una ilustración, no una puntuación real para tu publicación. El sistema real tiene otros términos y etapas.
Esa distinción descarta una afirmación común: no puedes dividir el coeficiente de reportes por el coeficiente de likes y concluir que un reporte cancela un número fijo de likes. Lo mismo ocurre con las afirmaciones de que un enlace copiado vale un número fijo de likes o impresiones.
Además, X indica que los valores de configuración pueden variar a través de experimentos. Su repositorio sincroniza los valores predeterminados con los valores de producción primarios, pero la instantánea pública no puede decirte la configuración exacta para cada espectador ni exponer cada parte del sistema de producción. Fuente: Notas de configuración y limitaciones de X.
Compartidos, respuestas y retroalimentación negativa: el contexto importa
En la instantánea del 5 de noviembre, los coeficientes para respuestas predichas, citas y compartidos por DM fueron cada uno de 5; el compartido predicho vía enlace copiado fue 20; y el seguidor de autor predicho fue 4. Un impulso de respuesta de seguimiento bidireccional separado fue 15. El último está vinculado a una relación de seguimiento mutuo, no a cada interacción de ida y vuelta entre dos cuentas. Fuente: Parámetros de Home Mixer.
Esos números no establecen un atajo. Pedir a las personas que copien un enlace, coordinar una interacción vacía o intentar fabricar una conversación no es una forma probada de ganar distribución. Crea algo por lo que un lector tenga una razón para pasarle a otra persona: una comparación útil, un hallazgo claro o una advertencia con evidencia.
La retroalimentación negativa también aparece en la configuración pública: los coeficientes de reporte y silenciar al autor fueron −234 y −58.8 respectivamente. Se aplican a las predicciones en un sistema personalizado. No son una penalización universal que puedas calcular a partir de los conteos visibles de una publicación.
Por qué las actualizaciones de octubre también importan
Dos cambios anteriores hacen que los números de noviembre sean más interesantes:
- El 8 de octubre, X dijo que su modelo de ranking Phoenix había mejorado en la predicción de cuánto tiempo pasaría un espectador en una publicación.
- El 13 de octubre, X dijo que la recuperación de Phoenix también fue entrenada para mostrar publicaciones que las personas leen hasta el final. Fuente: notas de actualización de X.
La recuperación y el ranking realizan trabajos diferentes. La recuperación encuentra publicaciones potenciales para el feed; el ranking ayuda a ordenar los candidatos para una persona en particular. Una publicación debe ser relevante para el lector antes de que cualquier discusión sobre su puntuación de ranking sea importante.
La dirección respalda una hipótesis editorial sensata: haz que la recompensa sea clara, luego dale al lector una razón para seguir leyendo. No prueba que las publicaciones más largas ganen. Una explicación concisa en un gráfico puede ser más útil que un hilo con relleno.
Cómo For You pasa de una publicación a un feed
La descripción pública de X describe un sistema de múltiples etapas:
- Recuperar candidatos. Thunder suministra publicaciones de las cuentas que una persona sigue. La recuperación de Phoenix y SimClusters ayudan a encontrar publicaciones fuera de su red.
- Filtrar candidatos. Las reglas de elegibilidad, seguridad y visibilidad pueden eliminar o limitar publicaciones en diferentes contextos.
- Predecir y clasificar. Los modelos estiman las posibles respuestas del espectador; la puntuación combina las predicciones con pesos configurables.
- Dar forma al feed. Otros ajustes, incluida la diversidad de autores, afectan la selección final.
Esta es una visión simplificada del pipeline público de For You. No debe aplicarse automáticamente a Search, notificaciones, respuestas ni a cualquier otra superficie de X. Algunas reglas y prompts no son públicos. Fuente: repositorio de X.
Qué pueden probar los creadores de Web3
El código te dice qué es lo que el sistema está diseñado para considerar. No te dice qué formato de publicación funcionará para tu audiencia. Úsalo para generar pruebas:
Haz que el sujeto sea claro de inmediato. Si estás explicando una actualización de protocolo, dile a los lectores qué cambió y a quién afecta antes de añadir contexto. La claridad ayuda a las personas a decidir si la publicación es para ellos; no es un factor de clasificación garantizado.
Gana atención con la siguiente línea. Dale a los lectores una razón para continuar: los usuarios afectados, la compensación, un gráfico o un ejemplo específico. Evita añadir longitud únicamente para aumentar el tiempo de permanencia.
Crea algo que valga la pena reenviar. Un desglose corto de una propuesta de gobernanza o un cambio de seguridad puede ser útil en un chat de equipo. Prueba si los lectores lo comparten porque ayuda, no porque les dijiste que un enlace copiado vale más.
Añade sustancia a las conversaciones. Cuando respondas a un fundador o investigador, aporta un dato, una pregunta basada en su publicación o un contraargumento considerado. Los valores predeterminados públicos no demuestran que cada respuesta corta o cada respuesta asistida por IA reciba una penalización específica.
Compara publicaciones similares a lo largo del tiempo. Rastrea el alcance, las respuestas significativas, las veces compartidas y cualquier métrica de lectura o video disponible. Compara temas, formatos y ventanas de audiencia similares en múltiples publicaciones. El momento, las noticias y la composición de la audiencia aún pueden explicar las diferencias, así que trata los resultados como observaciones en lugar de pruebas de causalidad.
Si tu visibilidad cambia inesperadamente, la herramienta Under the Hood de X está destinada a mostrar información agregada sobre ciertas etiquetas que impactan la visibilidad. No puede revelar cada razón por la que una publicación funcionó de manera diferente.
¿Existe una barrera de distribución de dos horas o 200 vistas?
Los creadores suelen repetir una regla que dice que una publicación debe pasar una prueba en sus primeras dos horas o primeras 200 vistas antes de que X amplíe la distribución. No encontramos un umbral universal en las fuentes primarias revisadas para este artículo. El compromiso inicial puede ser una retroalimentación útil, pero este corte particular no debe tratarse como un hecho establecido.
Existe una fuente más específica para cifras similares: el código público de X describe un mecanismo de arranque en frío (cold-start) configurable para algunas publicaciones originales de cuentas más pequeñas, con condiciones que incluyen la antigüedad y las impresiones en Home. Selecciona un candidato elegible dentro de una solicitud de feed; no es evidencia de una puerta de paso o fallo universal. Nuestra guía anterior explica la distinción.
La conclusión práctica
La actualización de noviembre cambia varios valores predeterminados de puntuación publicados, mientras que las notas de octubre muestran mejoras en la recuperación y predicción relacionadas con la atención. Ninguna revela una fórmula para un alcance garantizado.
Para los creadores, el siguiente paso útil es publicar trabajos claros y relevantes, dar a los lectores una razón real para terminarlo o compartirlo, y comparar los resultados a lo largo del tiempo. Utiliza el código fuente para hacer mejores preguntas, no para convertir cada interacción en un juego de puntos.
Fuentes: commit del 5 de noviembre, parámetros anteriores, parámetros actualizados, repositorio de X y notas de actualización.