Actualidad
X abrió su algoritmo y expuso cómo funciona el “shadowban” en la red social
La plataforma de Elon Musk publicó el código de su sistema de recomendaciones y dejó al descubierto mecanismos que pueden reducir la visibilidad de contenidos. La apertura permite conocer mejor qué señales utiliza X para ordenar, filtrar o directamente excluir publicaciones.
X, la red social antes conocida como Twitter, abrió una nueva versión del código de su algoritmo de recomendaciones, una decisión que permite analizar con mayor detalle cómo selecciona las publicaciones que aparecen en el feed “Para ti” y qué mecanismos pueden limitar su alcance. La medida, impulsada bajo la gestión de Elon Musk, aporta nuevas pistas sobre uno de los mayores interrogantes de los usuarios: cuándo una cuenta o un contenido pierde visibilidad por decisión del sistema.
La publicación del código se inscribe en la estrategia de X de presentar su sistema de recomendaciones como un desarrollo más transparente. La compañía ya había liberado parte de su algoritmo en 2023, aunque aquella versión quedó desactualizada frente a los cambios posteriores de la plataforma.
Qué muestra el algoritmo de X sobre el “shadowban”
El término shadowban suele utilizarse para describir una situación en la que una persona puede seguir publicando normalmente, pero sus mensajes pierden alcance o dejan de aparecer para otros usuarios sin que exista una suspensión explícita de la cuenta.
El código abierto no permite afirmar que exista un único interruptor interno denominado “shadowban”. Sí muestra distintos mecanismos capaces de reducir, ordenar hacia abajo o excluir contenidos del sistema de recomendaciones.
Entre los elementos que aparecen en el funcionamiento publicado se encuentran:
- Filtros de visibilidad, capaces de retirar determinadas publicaciones del proceso de recomendación.
- Filtros personalizados, que tienen en cuenta cuentas bloqueadas o silenciadas y palabras que cada usuario decidió ocultar.
- Señales negativas de interacción, como la probabilidad de que una persona bloquee, silencie, reporte o marque un contenido como poco interesante.
- Clasificadores de seguridad y spam, que evalúan publicaciones antes de su distribución.
- Sistemas que evitan mostrar repetidamente contenido del mismo autor o publicaciones que el usuario ya vio.
Esto introduce un matiz importante: una caída del alcance no necesariamente implica que X haya aplicado una sanción secreta a toda una cuenta. La distribución puede reducirse por diferentes etapas del sistema y, en algunos casos, depender del contenido específico y de la respuesta prevista de cada usuario.
La propia documentación analizada sobre el código advierte además una limitación: los valores numéricos exactos de algunos pesos utilizados para ordenar las publicaciones no fueron incluidos en la versión abierta. Por eso, el código permite entender buena parte de la arquitectura, pero no reconstruir con exactitud todas las decisiones que adopta el sistema en producción.
Grok gana protagonismo en el feed “Para ti”
Otro de los cambios relevantes está relacionado con Grok y los modelos desarrollados por xAI. El sistema publicado utiliza aprendizaje automático para evaluar las posibilidades de que una persona realice distintas acciones frente a una publicación y, a partir de esas predicciones, establecer su posición dentro del feed.
De esta manera, el algoritmo no se limita a contar cuántos “me gusta” o reposts acumula una publicación. Analiza señales de comportamiento y estima qué reacción podría generar cada contenido.
El sistema combina además publicaciones procedentes de cuentas que el usuario sigue con otras seleccionadas mediante mecanismos de descubrimiento. Después aplica filtros y puntuaciones hasta determinar qué contenidos tendrán prioridad en “Para ti”.
Para los creadores, la apertura también pone en duda algunas recetas difundidas durante años para “engañar al algoritmo”. Los valores concretos de los coeficientes que ponderan acciones como respuestas, reposts o “me gusta” no están disponibles públicamente, por lo que las tablas que asignan una cantidad exacta de puntos a cada interacción no pueden darse por confirmadas a partir del código publicado.
Una apertura que no revela todo lo que ocurre en X
La publicación del algoritmo representa un avance en términos de transparencia, aunque no equivale a abrir por completo el funcionamiento interno de la plataforma. Parte de los parámetros necesarios para conocer con precisión cómo se ponderan las señales sigue fuera del repositorio público.
El movimiento también tiene antecedentes. Twitter publicó parte de su algoritmo de recomendaciones en 2023 y permitió entonces que desarrolladores externos analizaran variables relacionadas con la visibilidad de las publicaciones. Aquella apertura ya había mostrado que el sistema aplicaba filtros después de seleccionar los contenidos candidatos para el feed.
La nueva etapa profundiza ese camino y permite observar mecanismos más recientes vinculados con Grok, seguridad, spam y clasificación de contenidos. Sin embargo, la información disponible no demuestra por sí sola la existencia de un “botón” universal de shadowban aplicado a una cuenta completa.
La diferencia es relevante para los usuarios: el código confirma que existen procesos capaces de limitar la distribución de determinadas publicaciones, pero determinar por qué una cuenta concreta perdió alcance continúa requiriendo analizar qué filtros, señales negativas o clasificaciones pudieron intervenir en cada caso.
