TechMoon 科技月球
WordPress、SEO 與 AI 工具實測指南
X 演算法更新改看停留時間，讀者會讀完的貼文先進候選名單
X 於 2026 年 10 月 20 日公告時間軸推薦的兩項變動：新的排序模型更擅長預測使用者可能停留的時間，新的檢索模型則專門找出讀者會從頭讀到尾的貼文。對照 2023 年開源的推薦系統程式碼，停留時間原本只是間接代理訊號，這次改版等於把注意力直接搬進排序目標；但長文不會自動勝出，新模型的權重與上線範圍也尚未公布。
用 AI 摘要這篇文章：
2026 年 10 月 20 日上午 10 點 41 分（台北時間），Elon Musk 在 X 發出一則簡短公告：時間軸推薦有了新的排序模型，更擅長預測你可能停留多久；同時多了一個以找出大家會從頭讀到尾的貼文為訓練目標的檢索模型。
先把可以防守的結論放在前面：這則公告對內容長度沒有給出任何新的保證，急著把短文拉長的人可以先等一下。真正值得注意的變動在結構上，判斷一篇貼文會被誰讀完這件事，從排序層往前挪到了候選名單那一層。而官方目前只給了方向，新模型的權重、上線範圍與時程都沒有公布，連 X 自己的開源推薦系統倉庫都還停在 2025 年 9 月。
公告原文說了什麼，又沒說什麼
Musk 的推文列了兩項變動，原文是：
Two important changes to timeline recommendations:
– New AI/SI ranking model that predicts probable time spent much better
– Retrieval model trained to surface posts people read all the way through
翻成白話：一個是新的排序模型，對「你大概會在這篇貼文上停多久」的預測比舊模型準，官方的說法是 predicts probable time spent much better；另一個是檢索模型，訓練目標是把人們會讀到最後的貼文先找出來。推文同時宣稱使用者活躍秒數呈指數成長、屢創新高，隨附的圖表標題為 Daily UAS，縱軸刻度從 2,500 億秒畫到 5,500 億秒，2026 年的曲線在十月已經爬到將近 5,000 億秒的位置，下半年明顯高於前三年。
兩句話的公告，能確定的只有這些。模型長什麼樣、訓練了多久、什麼時候上線、對所有用戶生效還是分批推出，推文都沒有交代；AI/SI 這個縮寫是什麼意思，公告也沒有展開。活躍秒數的圖同樣屬於平台量給自己看的資料，圖上沒有說明 UAS 的計算口徑，也沒有可供外部重現的測量方法。圖上 2026 年的線在下半年高於前三年，這部分看得到；它代表多少人在用、每個人用多久，這部分看不到。
適用範圍也要畫清楚。公告講的是 timeline recommendations，也就是「為你推薦」頁面的候選挑選與排序；追蹤中時間軸按時間排列的邏輯、搜尋結果與廣告版位，公告都沒有觸及。在 X 發內容的創作者與看推薦頁的一般用戶會感覺到差異，本來就只看追蹤名單的人，受到的影響有限。
這則公告本身受到的關注不小。到台灣時間 10 月 21 日凌晨為止，推文已累積約 1.67 萬個讚與上千則回覆，而官方後續沒有再補充細節；哪些解讀有依據、哪些是腦補，值得逐條分開看。
開源倉庫裡的舊世界：停留時間原本是間接訊號
要看懂這次更新改了什麼，最快的方式是回頭讀 X 自己公開的推薦系統程式碼。2023 年 3 月底，X 把推薦演算法的主要程式碼放上 GitHub，也就是 twitter/the-algorithm 倉庫，從候選來源、排序到混合過濾都攤開給大家看。這個倉庫到今天累積約 74,000 個星標，但最後一次提交停在 2025 年 9 月 3 日，提交訊息是 update for-you recommendations code，這也是這個倉庫目前的最後一次提交。這次公告的新模型，並沒有跟著進到開源倉庫。
公開架構把推薦流程分成兩層，會分成兩層的原因是規模：候選池太大，沒有辦法對每篇貼文做精細計算，只能先粗撈再精排。檢索層先從幾個候選來源撈出可能相關的貼文，官方文件寫明搜尋索引 Earlybird 貢獻了時間軸大約一半的貼文，其餘來自使用者與貼文互動圖的遍歷，以及 SimClusters 這種以社群偵測把物件映射成稀疏向量的嵌入表示；搜尋索引內部還有一個輕量排序模型，先在索引裡排出初步順序。排序層接手後，再由重量排序模型精排。換句話說，一篇貼文如果根本沒被撈進候選名單，後面排得再高，也沒有機會出現在讀者面前。
2023 年公開的重量排序模型是一個同時輸出多種互動機率的類神經網路，架構為 MaskNet，輸出的是使用者做各種互動的機率：按讚、轉推、回覆、點進作者頁面並互動、看影片超過一半、點進討論串並在裡面停留至少兩分鐘，以及負面回饋與檢舉等十種互動。這些機率加權後加總，就是貼文的最終分數。
當年 4 月 5 日版本的權重設定，把平台的價值排序攤得很開：回覆的權重是 13.5，你的回覆獲得作者互動是 75，點進討論串並停留兩分鐘是 10，按讚只有 0.5，看影片超過一半更是只有 0.005，與回覆相差兩千七百倍；另一頭，負面回饋是 -74，檢舉是 -369。官方文件同時註明，這些權重放在設定檔裡，隨時可以調整，公開的只是當時快照。
在這套舊世界裡，停留時間其實一直有上桌，只是以間接代理的形式存在：模型預測的是你會不會點進討論串並待上兩分鐘，並沒有直接預測你停在貼文上多久。代理就有代理的誤差，在留言區待上兩分鐘可能是認真讀完，也可能是在吵架，模型分不出來。對照這次公告，排序層的實質變化就在這裡：預測目標從互動行為的機率，轉向停留時間本身，等於把原本用猜的注意力，換成直接量測的注意力。這一層判斷只能從前後對照推得，新模型實際上怎麼定義停留，官方並沒有說。
前後對照：一個換目標，一個換樓層
把公告與開源倉庫並排放，兩項變動各自的位置就清楚了。
| 2023 年公開架構 | 2026 年 10 月公告 | |
|---|---|---|
| 排序層 | 預測按讚、回覆、點擊等互動機率，停留以點進討論串待兩分鐘間接代理 | 新排序模型直接預測可能的停留時間，官方宣稱預測得更準 |
| 檢索層 | 候選來源以相關性撈貼文，不以閱讀行為為訓練目標 | 新增以讀者會讀完為訓練目標的檢索模型 |
| 可查證性 | 程式碼、特徵與權重公開在 GitHub | 僅一句公告，模型與權重未公開 |
排序模型換的是預測目標：從「你會不會互動」變成「你會停多久」。檢索模型換的是樓層：讀完這件事本來與候選挑選無關，現在提前到排序之前，一篇貼文能不能進入候選名單，可能先被「像不像會被讀完的內容」這個標準篩一遍。
先把界線畫清楚：這一段是推論。公告並沒有說明檢索模型的過濾強度，也沒有解釋讀完怎麼判定；短文天然容易讀完、長文資訊密度高，兩者在同一個模型裡怎麼公平比較，公告裡也找不到線索。可以確定的是方向，不可以確定的是力道。
還有一個值得留意的贏家與輸家問題。舊權重裡，看影片超過一半只值 0.005 分，幾乎不影響排序；換成直接預測停留時間的模型後，一支讓人看完的影片與一篇讓人讀完的長文，在同樣的秒數面前可能第一次站在同一個計價基礎上。影片創作者與文字創作者的相對位置會不會移動，公告沒有給答案，但這是這次換目標最可能被重新定價的區塊。
長文不會自動勝出，秒數也換算不出用戶數
公告出來後，最直覺的解讀是把內容寫長就能換曝光。這個推論跳過了兩件事。公告沒有承諾任何長度紅利，停留與讀完都是對特定讀者的預測，同一篇長文對內行讀者是完整解答，對剛入門的人可能是中途放棄的理由，長度本身只是內容的屬性之一。把答案藏到最後來拉長停留，反而讓原本願意讀完的人提早離開，這與公告想要的方向背道而馳。
另一種說法是把停留時間換算成推薦分數，宣稱每多停一秒就多拿幾分。新模型的權重沒有公開，這種換算表沒有任何依據；連 2023 年的舊權重，官方文件都註明隨時可以調整，拿三年前的數字套新模型，更是雙重不可靠。
也別忘了停留時間本身只是注意力的一種讀法。停得久可能是內容扎實，也可能是段落太難懂讓人反覆重讀，或是在留言區流連；把停留當成品質的唯一訊號，任何模型都會被誤導。X 在 2023 年公開的分數設計裡，把負面回饋與檢舉以大倍數扣分放進來抵銷，顯示平台自己也不認為單一正向訊號就足以判斷內容好壞。
再來是那張將近 5,000 億秒的圖。活躍秒數是時間總量，同時受到使用人數與每人使用時長影響，沒有每人停留多久的前提，總秒數換算不出每日用戶數；它與瀏覽次數、營收也各自是不同的單位，不能互相替代。把指數成長的曲線讀成用戶暴增，是單位上的跳接。
現在該做什麼
多數人不需要立刻改變發文方式。演算法換模型，不會讓既有的內容方針失效，把問題回答清楚、讓開頭對得上內容，這些基本功在新舊模型裡是同一套。真的想觀察效果，等個幾篇貼文的表現累積出來再說；比較的時候挑主題與受眾接近的貼文，單篇的起伏分不清是新模型的影響，還是題目本身的關注度。
本來就寫長文的創作者，值得把力氣花在開頭幾段。檢索層先判斷內容像不像會被讀完，讀者判斷要不要讀完的依據，同樣是前幾段給的承諾。開頭說要回答什麼，正文就確實回答什麼，比任何長度技巧都更接近這次更新的方向。
經營短文快訊的帳號不需要跟風轉長文。一句話能答完的消息，本來就容易讀完，硬撐長度只是增加中途離開的機會。如果對推薦流的主動調控有興趣，之前介紹過的抖音推薦影響器是另一個平台上讓 AI 替你按讚與略過的實例，可以對照著看使用者端能做的事有多有限。
觸及取決於演算法的創作者，把內容只放在一個平台上本來就有風險；想在 X 發文同時同步到 Bluesky 與 Mastodon 的人，站上介紹過的twitter-to-bsky 免費腳本是一條現成的路。
還沒揭曉的部分
截至 2026 年 10 月 21 日，這則新聞裡有三件事沒有答案：新模型的權重與架構、上線範圍與時程、AI/SI 縮寫的意義。開源倉庫若出現新的提交，或 X 工程團隊發布補充說明，這些問題才會有第一手資料；在那之前，任何具體到數字的解讀，都超出公告能支持的範圍。
想自己追蹤後續的人，有幾個位置可以看：twitter/the-algorithm 倉庫的提交紀錄、X 工程團隊過去發布技術說明的管道，以及自己「為你推薦」頁面的實際變化；平常想固定追蹤 AI 消息的讀者，站上的AI 資訊源清單也整理了收藏官方入口的方式。演算法本來就會常態性調整，這則公告只是其中一個時點的快照；把方向看懂，把細節留給官方揭曉，中間冒出來的換算公式與流量保證，看看就好。
