約6分で読める記事です。ポイントをギュッとまとめましたので、ぜひ最後までどうぞ！
2026年5月15日、Xはアルゴリズムの大型アップデートをGitHubで公開しました。
1月の初回公開では「Transformerモデルで複数の行動確率を予測する」という設計思想が明らかになりましたが、今回はそこに新しい層が加わっています。
コンテンツ理解AI「Grox」の追加と、Impression Bloom Filterの実装が、SNS運用の前提を変える可能性があります。
SNS担当者の方から「アルゴリズムの話を聞いても、結局何をどう変えればいいかわからない」という声をよく聞きます。
今回の更新は珍しく、実際の推論モデル（約3GBの事前学習済みモデル）も配布されており、研究者が実際に動かして検証できる状態になっています。
つまり「公開されたがブラックボックス」ではなく、仕組みをある程度実証できる形での公開です。
私がこの更新で最も注目しているのは、Groxというコンテンツ理解層が新設されたことです。
これはスコアリングとは別に、投稿の品質・カテゴリ・リスクを事前に分類するパイプラインです。
いくら行動シグナルを集めても、Groxのフィルターで低品質と判定されれば配信効率に影響する可能性があります。
今回のアップデートで新たに公開された主なコンポーネントは4つです。
1. Grox（コンテンツ理解パイプライン）
grox/というディレクトリが新設され、スパム検出・投稿カテゴリ分類・PTOS（Platform Trust & Onboard Safety）ポリシーの実装が追加されました。
これは「どのくらいいいねされそうか」を予測するPhoenixとは別に、「この投稿はそもそも配信するべきか」を判定する層です。
コンテンツが配信候補に入る前段階で、品質・安全性のスクリーニングが行われる仕組みになっています。
2. Impression Bloom Filter
ユーザーが既に見た投稿を再表示しないためのフィルターが明示的に実装されました。
これまで重複除外の仕組みは「ある」とされていましたが、今回のコードでその実装が確認できます。
同じ内容の繰り返し投稿・同一動画の差し替え連投がフィルターされる根拠がコードで可視化されました。
3. 相互フォローグラフの統合
クエリハイドレーターに相互フォローグラフが追加されました。
フォロー関係が一方向か双方向かで、フィード内での優先度が変わる設計です。
コミュニティ内での相互フォロー関係を育てることが、リーチの観点でも意味を持つことがコードから読み取れます。
4. 事前学習済みモデルの配布
Git LFS経由で約3GBのPhoenixミニモデルが公開されました。
埋め込み次元128・4層Transformer・アテンションヘッド4という構成で、研究者や技術者が実際に推論を実行できます。
今後、第三者による検証や分析が出てくる可能性があります。
1月版のアルゴリズムを理解した上でGroxの追加を捉えると、構造の変化が見えます。
1月版の理解では、投稿が配信候補に入った後、PhoenixのRankerが行動確率を予測してスコアを付けるという流れでした。
つまり「いかに行動シグナルを集めるか」という設計でした。
5月15日版では、その前段にGroxのスクリーニングが入ります。
スパム判定・カテゴリ不適合・ポリシー違反と判断された投稿は、Phoenixのランキング評価に入る前に除外される構造です。
実務的に言えば、「行動シグナルを集める工夫」より先に、「Groxのスクリーニングを通過する品質」が前提になるということです。
Groxが具体的にどんな基準でスパム・カテゴリ・リスクを判定するかは公開情報だけでは確認できません。
ただし、コードの構造からは「低品質コンテンツを量産するアカウント」「ポリシーグレーゾーンの投稿を繰り返すアカウント」が不利になる設計であることは読み取れます。
今回の更新が興味深いのは、これまで「そう言われていた」ことがコードで確認できるようになった点です。
Impression Bloom Filterの実装は、同じ内容の繰り返し投稿が無意味であることの根拠になります。
ユーザーが一度見た投稿は再表示されない仕組みが明示されているため、「同じ訴求を少し変えて何度も投稿する」戦略は機能しにくいと言えます。
相互フォローグラフの統合は、フォロワーを増やす以上に「フォロー返しが起きる関係性」を育てることが意味を持つことを示します。
フォロワー数が多くても相互フォロー比率が低いアカウントと、フォロワーは少なくても相互フォロー関係が密なアカウントでは、配信の仕方が変わる可能性があります。
Groxのカテゴリ分類は、「誰に向けた投稿か明確なアカウント」が有利になる設計の根拠です。
雑多なテーマを混在させるアカウントより、特定の専門性・トピックに一貫したアカウントの方が、カテゴリ分類が安定し、適切なクラスタに届きやすくなります。
この更新を受けて、SNS運用担当者として見直すべき点を3つ整理します。
1. 投稿の「品質スクリーニング通過」を前提にする
Groxのスパム・品質判定がどんな基準で動くかは非公開ですが、「エンゲージメントベイト」「同一内容の繰り返し」「ポリシーグレーの表現」は不利になる設計です。
行動シグナルを増やす工夫の前に、そもそも配信候補に入る品質かどうかを見直す視点が必要です。
2. 相互フォロー関係を意識したコミュニティ設計
フォロワーを集めることより、フォロー返しが起きる関係性を育てることが重要になります。
業界の知人・取引先・読者との相互フォロー関係を積み上げることが、有機的なリーチの土台になります。
3. テーマの一貫性をアカウント単位で管理する
Groxのカテゴリ分類を安定させるためには、アカウント全体のテーマ一貫性が重要です。
告知・日常・業界情報・感想を雑多に混在させるより、特定の専門領域で語るアカウントの方が、配信先クラスタが安定しやすいと考えられます。
2026年5月15日のXアルゴリズム更新の核心は、Groxというコンテンツ理解層の追加です。
「いかに行動シグナルを集めるか」という前に、「Groxのスクリーニングを通過できる品質か」という前提が加わりました。
Impression Bloom Filterと相互フォローグラフの実装は、「量より質」「フォロワー数より関係性の密度」という方向性をコードで裏付けるものです。
今後、3GBの事前学習済みモデルが研究者に検証されるにつれて、より具体的な知見が出てくる可能性があります。
現時点では、Groxの品質スクリーニングを意識した投稿設計と、相互フォロー関係の構築を優先するのが実務的な対応です。
※弊社が提供するSocialReportでは、X（Twitter）の投稿エンゲージメント分析・キーワード調査・拡散追跡に対応しています。
