MiroFish è un motore open source (licenza AGPL-3.0) che crea migliaia di agenti AI con personalità e memoria, li fa discutere su social network simulati e ne ricava un report di previsione. Il codice gira, ma nel repository ufficiale non compare nessuna percentuale di accuratezza; la proposta di backtest (la prova contro gli esiti reali) è ancora aperta su GitHub.
Cos'è MiroFish e come funziona
Il flusso descritto nel README ufficiale parte da un documento di partenza (in gergo il seed, ossia una notizia, un report di dati, perfino il testo di un romanzo) e da una richiesta di previsione scritta in linguaggio naturale. Da lì il sistema procede in cinque passaggi:
- Costruzione del grafo. Il sistema estrae entità e relazioni dal seed e le organizza in un GraphRAG, cioè un archivio di conoscenza a grafo che il modello consulta mentre risponde.
- Preparazione dell'ambiente. Per ogni entità genera una persona simulata, ossia un profilo con carattere, storia, opinioni di partenza.
- Simulazione. Gli agenti agiscono in parallelo su due piattaforme finte, una in stile Twitter e una in stile Reddit, con una memoria che si aggiorna a ogni round.
- Report. Un agente dedicato, il ReportAgent, legge l'esito della simulazione e scrive la previsione.
- Interazione. Si può poi chattare con qualsiasi agente del mondo simulato oppure interrogare il ReportAgent.
Chi c'è dietro MiroFish
L'autore è BaiFu (nome anagrafico Guo Hangjiang, 郭航江), che secondo Pedaily frequentava il quarto anno di università quando ha pubblicato il progetto. Prima di MiroFish aveva già portato in tendenza su GitHub BettaFish, un assistente multi-agente per l'analisi dell'opinione pubblica. Il 7 marzo 2026 MiroFish è arrivato primo nella classifica globale e, sempre secondo Pedaily (articolo del 9 marzo), si era già portato a casa 30 milioni di yuan da Chen Tianqiao, il fondatore di Shanda Group. Il README conferma il sostegno e l'incubazione di Shanda.
MiroFish funziona davvero?
MiroFish funziona come software, ma nessuno ha dimostrato che sappia prevedere. Il repository non contiene nessun confronto con esiti reali. L'unico test di terzi su una seduta di Borsa che ho trovato sbaglia la direzione del mercato.
Il README non riporta nessuna metrica di accuratezza. Gli esempi pubblici sono due, una simulazione di opinione pubblica su un caso dell'Università di Wuhan e il finale perduto del Sogno della camera rossa ricostruito dai primi ottanta capitoli, mentre le previsioni finanziarie e politiche sono annunciate come "in arrivo". La cosa più vicina a un backtest è la proposta numero 813, Historical backtesting framework, aperta il 15 settembre 2026 da un contributore esterno e non dal team. Il meccanismo è serio (si registra una previsione strutturata prima, si inserisce l'esito reale dopo, una sola volta) ma al 7 ottobre la proposta risulta ancora aperta e senza commenti. Il progetto, de facto, non ha uno strumento ufficiale per misurare se azzecca.
Restano i test indipendenti, pochi e piccoli. Il laboratorio di ricerca di WPP ha provato MiroFish chiedendosi se lo sciame valga il conto del cloud. Con gemini-2.5-flash-lite e circa 25 agenti la spesa è stata di circa un dollaro. Sulla seduta del 14 maggio la direzione prevista era sbagliata (l'S&P 500 ha chiuso a +0,77%) e nessuno dei cinque titoli indicati figurava tra i veri migliori cinque. Gli autori segnalano anche che la quota gratuita di Zep Cloud è finita dopo tre esecuzioni e che il numero di agenti non si controlla a piacere. Una sola giornata non dimostra nulla in nessuna delle due direzioni, ma è l'unico confronto con la realtà che mi sia capitato di trovare.
La recensione di sspai racconta una prova più lunga con Qwen3.5-Plus, 40 round, 52 agenti (26 attuali e 26 predittivi), 157 entità nel seed e circa quaranta minuti di attesa. Il consumo di token è definito molto aggressivo, ogni esecuzione dà risultati diversi e l'autore sconsiglia di usarlo per fare trading. Secondo la stessa recensione MiroFish sa dire una tendenza, non il design di un iPhone. Il problema della variabilità era già stato sollevato il 6 gennaio nella segnalazione numero 17, ancora aperta, dove un utente nota che con lo stesso materiale e un modello diverso la conclusione può cambiare e propone di lanciare più simulazioni e tenere solo il consenso.
La segnalazione più delicata è la 529, aperta il 12 aprile. Nel ciclo di ragionamento del ReportAgent il modello può scrivere da solo un blocco di risultato dello strumento, quindi inventarsi la risposta prima che lo strumento giri davvero. Il report finisce allora con nomi utente, citazioni, statistiche mai esistiti, presentati come estratti dal grafo. Chi legge il report finale non ha modo di distinguere il dato vero da quello fabbricato.
Quanto costa MiroFish e che licenza ha
Il software si scarica gratis, ma per funzionare servono due servizi esterni. Il primo è un modello linguistico raggiungibile con un'API compatibile con il formato OpenAI (il README suggerisce Qwen-plus tramite la piattaforma Bailian di Alibaba), il secondo è un account Zep Cloud per la memoria a grafo, con una quota mensile gratuita che il README giudica sufficiente per usi semplici. Lo stesso README avverte che il consumo è alto e consiglia di cominciare con meno di 40 round. Più agenti e più round si usano, più il conto cresce, come si capisce dai quaranta minuti di sspai e dal dollaro di WPP, che però si riferiva a un esperimento da 25 agenti con un modello piccolo.
Per tenere i costi bassi (e i documenti in casa) l'alternativa è un modello locale al posto dell'API a pagamento. Chi parte da zero può guardare la nostra guida ai migliori LLM locali nel 2026 e la prova di Jan AI su Mac. È plausibile che un modello piccolo renda i personaggi più piatti (una mia ipotesi da verificare, non una misura). La memoria a grafo resta comunque su Zep Cloud, perché il sistema è stato progettato per funzionare con questo servizio.