Il nuovo algoritmo di X basato su Grok è ora pubblico su GitHub. Ho provato cosa contiene il repository, a spiegare cosa cambia rispetto al 2023 e quali sono le implicazioni concrete per utenti e creator.
Come certamente ricorderete, a ottobre 2025 Elon Musk annunciava che entro poche settimane l’algoritmo di X sarebbe stato interamente gestito dall’intelligenza artificiale Grok, eliminando tutte le euristiche manuali. Oggi, a distanza di due mesi, quel codice è pubblico, disponibile su GitHub nel repository xai-org/x-algorithm.
Non è la prima volta che X rende disponibile il proprio algoritmo. Era già capitato nel 2023, poco dopo l’acquisizione di Twitter, quando Musk aveva già pubblicato il codice sorgente del sistema di raccomandazione. Ma quello che vediamo oggi è qualcosa di completamente diverso. Non si tratta di un aggiornamento incrementale, ma ci troviamo di fronte ad una riscrittura totale dell’architettura.
L’obiettivo di questo articolo è analizzare cosa contiene il repository, osservare e riportare cosa cambia rispetto al sistema precedente e quali sono le implicazioni concrete per chi usa la piattaforma. Non si tratta di una considerazione tecnica, ma di comprendere insieme cosa cambia il nuovo algoritmo di X gestito da Grok, l’intelligenza artificiale di xAI.
Breve cenno all’algoritmo del 2023
Nell’agosto 2023, in un articolo sempre qui su questo blog, intitolato “Come funziona il nuovo algoritmo di Twitter/X“, avevo analizzato il funzionamento del sistema di raccomandazione introdotto da Musk.
Quel sistema si basava ancora su euristiche manuali, ovvero regole fisse definite dagli sviluppatori che assegnavano pesi specifici alle diverse interazioni.
Le risposte ai tweet valevano quanto 27 tweet normali. I reply dell’autore a una risposta arrivavano a pesare come 75 tweet. I link esterni venivano penalizzati perché la piattaforma tendeva a favorire contenuti interni. Gli hashtag, simbolo storico di Twitter, stavano progressivamente perdendo rilevanza.
Era già evidente, allora, quello che avevo definito “algoritmo del proprietario“: un sistema progettato per rispecchiare la visione di Musk, orientando i contenuti verso i suoi principi e le sue priorità. La trasparenza del codice non eliminava questo problema, semplicemente lo rendeva visibile a tutti.
L’annuncio nel nuovo algoritmo basato su Grok
A ottobre 2025, con un altro articolo su questo blog intitolato “Come l’algoritmo di X sarà gestito dalla IA Grok“, avevo raccontato l’annuncio di Musk: entro 4-6 settimane tutte le euristiche manuali sarebbero state eliminate. L’intero sistema sarebbe stato affidato a Grok, l’intelligenza artificiale sviluppata da xAI.
Da quello che in quel momento era dato sapere, Grok avrebbe analizzato ogni post, immagine e video pubblicati su X, oltre 100 milioni di contenuti al giorno, per valutarne la qualità e abbinarli agli interessi degli utenti. Gli utenti avrebbero potuto interagire con Grok per regolare il proprio feed. I pesi del modello sarebbero stati pubblicati per garantire trasparenza.
Oggi possiamo verificare cosa è stato effettivamente realizzato.
Cosa contiene il repository
Il repository xai-org/x-algorithm, pubblicato su GitHub sotto licenza Apache 2.0, contiene il codice sorgente dell’algoritmo che alimenta il feed “Per Te” di X. Il sistema è scritto principalmente in Rust (62,9%) e Python (37,1%) e si articola in quattro componenti principali.
Home Mixer: il coordinatore
È il livello di orchestrazione che assembla il feed. Coordina tutte le fasi del processo: recupero dei contenuti potenzialmente rilevanti, arricchimento dei dati, filtraggio, processo di valutazione e selezione finale. Espone un endpoint gRPC, ossia che restituisce i post ordinati per rilevanza.
Thunder: i contenuti della tua rete
Un sistema di archiviazione in memoria che traccia i post recenti degli account che si seguono. Il sistema si aggiorna in tempo reale e mantiene sezioni separate per post originali, reply, repost e video. Garantisce ricerche sotto il millisecondo senza interrogare database esterni.
Phoenix: il cuore dell’intelligenza artificiale
È il componente ML centrale, derivato da Grok-1. Svolge due funzioni distinte.
La prima è il “recupero dei post”, basato su un modello Two-Tower. Trova post rilevanti fuori dalla rete di un utente. Una torre codifica le caratteristiche dell’utente e la sua storia di engagement, l’altra codifica tutti i post con gli interessi dell’utente per trovare quelli più affini. Una ricerca per similarità restituisce i contenuti più affini agli interessi degli utenti.
La seconda è il ranking, il modello valuta ogni post in modo indipendente, assegnando un punteggio che non dipende dagli altri contenuti presenti nella stessa sessione di analisi. Predice le probabilità di engagement per ogni post. Durante l’inferenza, i candidati non possono “vedersi” tra loro, così il punteggio di un post non dipende dagli altri post analizzati nello stesso momento.
Candidate Pipeline: il sistema di selezione
Un framework riutilizzabile per costruire pipeline di raccomandazione. Definisce interfacce standardizzate per Source (recupero dei post potenziali), Hydrator (arricchimento dati), Filter (rimozione contenuti ineligibili), Scorer (calcolo punteggi) e Selector (ordinamento e selezione finale).
Come funziona il ranking del nuovo algoritmo di X
Il modello Phoenix predice probabilità per 15 tipi di azioni diverse.
Non si limita a stimare se ad un utente piacerà un contenuto, ma calcola quanto è probabile che l’utente compia ciascuna di queste azioni: mettere like, rispondere, ripostare, citare, cliccare, visitare il profilo dell’autore, guardare un video, espandere una foto, condividere, soffermarti sul contenuto, seguire l’autore.
Ma predice anche le azioni negative: segnalare “non mi interessa”, bloccare l’autore, silenziare l’autore, segnalare il contenuto.
Il punteggio finale è una somma pesata di tutte queste probabilità.
Le azioni positive hanno pesi positivi, quelle negative pesi negativi.
In teoria, questo dovrebbe penalizzare i contenuti tossici. In pratica, se un contenuto genera molte interazioni prima di essere segnalato, il sistema lo avrà già amplificato.
Cosa cambia nel concreto nel nuovo algoritmo di X
Il confronto tra il sistema del 2023 e quello attuale rivela una trasformazione radicale dell’architettura, ma alcune costanti rimangono.
Elemento |
2023 (euristiche manuali) |
2026 (Grok/Phoenix) |
| Link esterni | Penalizzazione esplicita nel codice | Penalizzazione confermata: i post con link sono considerati meno “nativi” e distribuiti meno |
| Video nativi | Favoriti rispetto ai link | Priorità esplicita nell’algoritmo |
| Account verificati/premium | Boost per abbonati Twitter Blue | Priorità confermata per account verificati e Premium |
| Valutazione contenuti | Regole fisse (reply = 27 tweet, reply dell’autore = 75 tweet) | Transformer predice 15 tipi di engagement |
| Contenuti fuori rete | Limitati, focus sui seguiti | 50-70% del feed “Per Te” può provenire da account non seguiti |
| Timeline “Seguiti” | Cronologica pura | Di default ordinata dall’algoritmo, cronologica solo su richiesta |
| Contenuti provocatori | Non documentato | Possono diffondersi se generano interazioni, anche negative |
| Hashtag | Progressivamente ignorati | Non più rilevanti nel nuovo sistema |
I link esterni: la conferma di una scelta strategica
Nel 2023 avevo scritto che era preferibile condividere tweet senza includere link esterni, perché la piattaforma tendeva a tenere tutto “in casa”. Tre anni dopo, con un sistema completamente riscritto e basato su IA, il comportamento è identico.
Grok stesso conferma che i post con collegamenti esterni nel testo principale sono penalizzati nella distribuzione, perché l’algoritmo li considera meno “nativi” alla piattaforma. La strategia del “link in commento” resta valida: un articolo condiviso con il link visibile nel post raggiunge meno persone rispetto a un riassunto testuale con il link in un commento separato.
Questo orienta X verso una piattaforma sempre più chiusa e autonoma, dove i contenuti nativi hanno la precedenza su qualsiasi risorsa esterna.
Per i creator che dipendono dal traffico verso i propri siti, blog o canali YouTube, è un segnale netto: X non è più un canale di distribuzione, è una destinazione che vuole trattenere l’attenzione al suo interno.
Come cambia il feed “Per Te” di X col nuovo algoritmo
Uno dei cambiamenti più significativi apportati dal nuovo algoritmo di X basato su Grok riguarda la composizione del feed.
Se ricordate il Twitter originale, la timeline era cronologica e mostrava i post degli account seguiti. Nel sistema del 2023, l’algoritmo aveva già iniziato a introdurre contenuti esterni, ma in maniera moderata.
Oggi, secondo il nuovo algoritmo basato su Grok, il 50-70% del feed “Per Te” può provenire da account che l’utente non segue.
Il sistema Phoenix Retrieval cerca attivamente contenuti rilevanti su tutta la piattaforma X, non solo nella rete sociale dell’utente.
Questo potrebbe significare maggiore scoperta di contenuti interessanti. Ma significa anche meno controllo su cosa appare nel feed. Seguire o non seguire un account diventa sempre meno rilevante rispetto a ciò che l’algoritmo ritiene “interessante” per te.
La timeline “Seguiti” di X diventa algoritmica
Un cambiamento che potrebbe passare inosservato riguarda la timeline “Seguiti”. Prima era puramente cronologica: i post degli account seguiti apparivano in ordine temporale, dal più recente al meno recente. Era l’ultima traccia di ciò che rimaneva di Twitter.
Ora anche questa timeline è soggetta all’algoritmo di default. Il sistema ordina i contenuti in base a una stima di rilevanza calcolata dal modello automatico. La visualizzazione cronologica pura resta disponibile, ma bisogna attivarla manualmente.
L’impatto è notevole per chi usa X per notizie o aggiornamenti rapidi. Post importanti da amici o account seguiti potrebbero non apparire in cima se il sistema li considera meno coinvolgenti rispetto ad altri. Serve “scrollare” di più, oppure l’uso consapevole dei filtri manuali per tornare alla cronologia.
La rilevanza dei contenuti polarizzanti su X
Il nuovo algoritmo di X introduce la possibilità che i contenuti considerati di bassa qualità o polarizzanti, quelli che generano rabbia ma poche interazioni positive, potrebbero diffondersi di più in certi contesti, portando a un flusso percepito come più caotico.
Nel repository, il modello Phoenix predice sia azioni positive sia negative, con pesi negativi per blocco, silenziamento, segnalazione.
In teoria, questo dovrebbe penalizzare i contenuti tossici nel ranking. In pratica, c’è una finestra temporale tra la pubblicazione e le segnalazioni durante la quale il contenuto viene amplificato se genera engagement.
È molto probabile che il flusso diventi troppo imprevedibile o polarizzato. Significa che ci sono seri rischi di trovarci di fronte ad un sistema orientato all’engagement automatico.
Il rischio delle bolle informative su X
Il nuovo sistema trasforma l’uso passivo della piattaforma, la semplice lettura, in uno più attivo. L’algoritmo premia i contenuti che generano reazioni: se si ignorano certi post, il sistema li ridurrà nel flusso dell’utente; se si reagisce positivamente, se ne vedranno di simili.
Questo meccanismo rischia di aumentare il rischio di “bolle informative” dove si vede solo ciò che conferma i gusti e le opinioni degli utenti. L’esperienza diventa più coinvolgente, ma potenzialmente più chiusa.
Per chi cerca varietà di punti di vista o vuole restare informato su temi che non generano engagement immediato, il nuovo sistema richiede uno sforzo consapevole: esplorare attivamente, interagire con contenuti diversi, usare la timeline cronologica quando serve.
I limiti della trasparenza dell’algoritmo di X
Il repository è pubblico, ma cosa manca per capire davvero come funziona il sistema?
Mancano i pesi del modello. Il codice descrive l’architettura del transformer, ma i parametri numerici che determinano effettivamente il comportamento non sono inclusi. Sappiamo che esiste un sistema di calcolo del punteggio che combina le predizioni, ma non conosciamo i pesi specifici assegnati a like, risposte, repost o alle azioni negative.
Mancano i dati di training. Il modello Phoenix apprende dai comportamenti degli utenti, ma non sappiamo su quali dati è stato addestrato, quali periodi coprono, se includono bias storici della piattaforma.
Mancano le policy di moderazione dei contenuti. I filtri tecnici sono documentati (rimozione duplicati, contenuti eliminati, spam, violenza), ma le decisioni più sottili su cosa promuovere e cosa penalizzare restano poco chiare.
In altre parole, il codice ci dice come il sistema è costruito, non come si comporta. È come avere il progetto di un motore senza conoscere la miscela di carburante che lo alimenta.
Un sistema ML poco esplicito
Nel 2023, l’algoritmo del proprietario era visibile nelle euristiche manuali. Si poteva leggere nel codice che certi comportamenti venivano premiati e altri penalizzati. Era contestabile, ma almeno era documentato.
Oggi il controllo si è spostato a un livello più profondo. Non ci sono più regole esplicite che dicono “penalizza i link esterni”. C’è un modello di machine learning che ha appreso, dai dati storici della piattaforma, che i contenuti nativi performano meglio. La penalizzazione dei link non è una scelta visibile nel codice, è un comportamento emergente del sistema.
Se qualcuno chiede “perché i miei post con link hanno meno visibilità?”, la risposta non è più “perché c’è una regola che li penalizza”, ma “perché il modello ha imparato che generano meno engagement”. La responsabilità si dissolve nell’opacità del machine learning.
Il repository afferma con orgoglio di aver eliminato tutte le feature ingegnerizzate manualmente. Ma eliminare le euristiche manuali non significa eliminare i bias. Significa solo renderli impliciti invece che espliciti.
Cosa significa per utenti e creator di X
Per chi usa X come utente, il nuovo sistema significa un feed sempre più personalizzato ma meno prevedibile. La maggioranza dei contenuti potrebbe arrivare da account mai seguiti. E il rischio di ritrovarsi in una sorta di TikTok è molto alto.
Anche la timeline dei “Seguiti” non è più cronologica per definizione. La sensazione di controllo sulla propria esperienza diminuisce, a meno di non intervenire attivamente sulle impostazioni.
L’esperienza diventa più “intuitiva” nel senso che il sistema cerca di mostrare ciò che trattiene più a lungo l’utente. Ma se non si interagisce con certi tipi di post, si rischia di vederne sempre meno, con la possibilità concreta di ritrovarsi in una bolla informativa costruita su azioni passate.
Per i creator, le regole sono chiare: i contenuti nativi (video, immagini, testi completi) hanno la precedenza. I link esterni vanno inseriti nel “primo commento”, vale a dire non nel primo post ma in quello che segue immediatamente. Le interazioni contano più dei follower. Gli account verificati e premium hanno un vantaggio strutturale nel nuovo algoritmo. Vantaggio tutto da verificare.
Per chi analizza le piattaforme, questo caso conferma una tendenza. La trasparenza formale, ossia pubblicare il codice, non equivale a trasparenza sostanziale.
Senza i pesi del modello e i dati di training, capire perché un contenuto viene promosso rispetto a un altro resta impossibile.
Conclusione
Il rilascio del repository xai-org/x-algorithm chiude un cerchio iniziato con le promesse fatte a ottobre 2025. Il codice è pubblico, l’architettura è documentata, la transizione verso un sistema interamente basato su IA è ormai completata.
Ma la domanda di fondo resta senza risposta. Un algoritmo trasparente nel codice ma opaco nei comportamenti è davvero trasparente? Un sistema che elimina le regole manuali ma eredita i bias dai dati è davvero neutrale?
L’algoritmo del proprietario, come definisco ormai da un po’ algoritmi come questi, non è scomparso, anzi. Si è evoluto. E continuerò a monitorarlo, come sempre.
