X平台推出两项时间线推荐调整
X平台推出两项时间线推荐调整，新的人工智能与超级智能排序模型能够更准确预测用户可能花费的时间，检索模型经训练后更倾向推送用户会完整阅读的帖子。
Elon Musk发布帖文指出，新排序模型针对“probable time spent”进行优化，检索模型专门训练以表面化那些用户会通读完成的内容，这两项变化共同驱动用户活跃秒数（User Active Seconds）呈指数级增长。
图表显示2026年日活跃秒数曲线显著高于2023至2025年同期，3月曾出现尖峰后整体上移，进入9月后持续抬升，至10月下旬已接近或突破5000亿秒水平，且几乎每日刷新历史新高。
往年同期日活跃秒数多在3200亿至4000亿秒区间波动，2026年全年大部分时段已稳定运行在4000亿秒以上，近期加速突破前高，形成明显的结构抬升。
平台内部此前将推荐系统目标指向“unregretted user seconds”，此次更新将预测停留时长与完整阅读率作为更核心的信号，检索层优先放大能被读完的内容而非仅高互动短帖。
广告主与创作者端资金正在重新分配：愿意投入长文与深度内容的创作者获得更多曝光，短平快互动型内容的分发权重相对下降；平台广告库存因总停留时长上升而扩大，但依赖纯点击的广告主承压。
来源：公开信息
ABAB AI 解读
Elon Musk自2022年收购后持续以“unregretted user minutes/seconds”替代传统DAU作为核心优化指标，2023年公开将用户秒数计算改为基于iOS/Android屏幕时间上报以降低机器人干扰，2024年多次发布日活秒数破4000亿的声明并推动推荐系统从启发式规则向纯AI过渡。
此次排序与检索模型调整，实质是将计算资源进一步倾斜到Grok相关的预测与检索栈，通过更精准的停留时长预测把流量导向能被完整消费的内容，从而抬高总活跃秒数这个可直接支撑广告库存与数据飞轮的指标，同时为后续完全开放用户自定义Feed（通过对话调整）铺路。
类似路径可见于TikTok早期对完播率与停留时长的极致优化，以及YouTube对观看时长而非单纯点击的权重提升；当前X正处于从“互动驱动”向“深度消费驱动”的扩张阶段，试图在信息密度与注意力时长之间重新建立平台控制力。
这属于定价权转移：推荐系统从“谁互动多”转向“谁能让用户真的看完”，把分发权从高互动账号与广告算法，转移到能够稳定产生可预测停留时长的内容供给方，机制上是用AI预测精度直接替换人工规则与短期互动信号，使平台对注意力的定价能力向长期消费价值倾斜。
ABAB News · 认知定律
停留时长定价内容，互动只是噪音。
预测时间比计算点击更值钱。
指数增长来自模型，而非用户。