MiroFish: o que é, como funciona e o que ainda não prova

O MiroFish é um programa de código aberto que simula uma rede social com milhares de agentes de IA a partir de um texto de partida e escreve um relatório de previsão. O README promete "prever qualquer coisa", mas não traz taxa de acerto nem comparação com resultados reais. Abaixo estão o que o programa faz, o que ele exige, o que está aberto no repositório e o que a medição mostra sobre simular pessoas com IA.

O que é o MiroFish?

O MiroFish é um motor de previsão baseado em agentes de IA. A pessoa entrega um texto de partida (uma notícia, um rascunho de política, um sinal financeiro), o programa monta um mundo paralelo com agentes de personalidade, memória e comportamento próprios, deixa esse mundo evoluir e devolve um relatório. Depois da simulação, dá para conversar com qualquer agente.

O código está em github.com/666ghj/MiroFish, foi criado em 26/11/2025 e tinha 84.021 estrelas e 12.706 forks em 04/11/2026. A licença é a AGPL-3.0. O motor de simulação por baixo é o OASIS, da CAMEL-AI.

Como o MiroFish funciona?

O README descreve cinco etapas:

Para entender os termos, veja os verbetes de simulação multiagente e de persona sintética.

O MiroFish prevê de verdade?

O slogan do projeto é "Predicting Anything". Os exemplos do README são uma simulação de opinião pública e a continuação perdida de um romance clássico chinês, a partir dos 80 primeiros capítulos. Conferimos o texto do README em 04/11/2026: a busca por "accuracy", "benchmark" e "evaluation" não encontra nada, e não há comparação entre uma previsão do programa e o que de fato aconteceu.

Sem essa medida, não há como saber quando o programa acerta.

O que é preciso para rodar o MiroFish?

• Python 3.11 ou 3.12 e o gerenciador de pacotes uv.
• Um modelo de linguagem por API. O README recomenda o Qwen-plus, da Alibaba, e avisa: "High consumption, try simulations with fewer than 40 rounds first". O trecho sobre custo diz só isso, sem número.
• Uma chave do Zep Cloud, serviço externo usado para a memória dos agentes. O README informa que a cota gratuita mensal basta para uso simples.
• Atenção à licença. A AGPL-3.0 exige que quem modifica o programa e o oferece pela rede ofereça o código-fonte modificado a quem o usa (seção 13 da licença). Isto não é parecer jurídico.

O MiroFish é seguro e está mantido?

Em 04/11/2026 o repositório não estava arquivado e tinha 230 issues abertas. A última versão publicada é a v0.1.2, de 07/03/2026, e os cinco commits mais recentes da branch principal, entre 3 de agosto e 1º de outubro, são todos atualização do histórico de estrelas. Duas issues pesam para quem pensa em usar:

• #751, de 02/08/2026: a construção do grupo de personas não é determinística. A mesma entrada monta uma população diferente a cada execução, o que torna difícil repetir uma rodada.
• #489, de 07/04/2026: leitura arbitrária do banco SQLite, uma falha de segurança que continua aberta. Quem for expor o programa na internet deve ler essa issue antes.

Qual é a diferença entre MiroFish e OASIS?

O OASIS é um simulador de redes sociais de código aberto. O README dele descreve até um milhão de agentes de linguagem imitando usuários de plataformas como Twitter e Reddit, com 23 ações possíveis (seguir, comentar, repostar e outras), para estudar fenômenos como espalhamento de informação, polarização de grupo e efeito manada. A instalação é por pip install camel-oasis.

Quem quer só ensaiar uma simulação com agentes, sem as obrigações da AGPL, parte do OASIS.

O que a pesquisa independente diz sobre simular pessoas com IA?

Os estudos abaixo tratam da ideia em que o MiroFish se apoia: usar modelo de linguagem no lugar de respondentes. São estudos de respondentes simulados em geral, de outros contextos e de outros países. Em nossa busca, não achamos medida equivalente publicada para o Brasil.

• Verasight, 06/10/2025. Com 1.519 adultos dos EUA como referência, o modelo errou em média 19,8 pontos percentuais em perguntas de pesquisa de mercado sobre café. Entre os respondentes simulados, 91% disseram tomar café todo dia, contra 56% das pessoas reais, e 92% disseram ter comprado no Dunkin' no último ano, contra 47%. A Verasight vende pesquisa com pessoas de verdade, o que vale ter em mente.
• Prolific, divulgado em 24/08/2026 (pré-print de 10/08). Com 996 adultos dos EUA, dar a cada persona uma demografia individual triplicou o erro de distribuição, em comparação com pedir ao modelo uma distribuição agregada, e as respostas se concentraram em respostas estereotipadas. Pedir uma distribuição de probabilidade por persona reduziu o erro entre 35% e 48%. A Prolific também vende painel humano.
• Ivetta, Moradbakhti e Calvo, 22/10/2025. Seis modelos foram comparados com pesquisas reais em quatro países, entre eles a Argentina. Os autores concluem que uma amostra pequena e enviesada de gente real pode ser mais confiável que dado sintético de modelo.

O verbete de respondente sintético resume o tema.

O que a DNACX mediu ao simular reclamações de clientes?

Num piloto de 04/11/2026, 119 personas do Nemotron-Personas-Brazil avaliaram seis cenários de atendimento (bancos, telecomunicações e transporte aéreo, com o problema resolvido ou não) e foram comparadas com 70.403 avaliações reais do Consumidor.gov.br de julho de 2025. Os avaliadores não viram nenhum número do lado real. O protocolo foi escrito antes da simulação, mas depois de termos visto as notas médias agregadas do lado real (problema resolvido e não resolvido).

Três leituras do piloto:

1. A simulação acerta a direção e o tamanho do efeito principal. Resolver o problema muda a nota em cerca de 2,8 pontos no real, e as três condições simuladas deram entre 2,7 e 3,2.
2. Ela erra o patamar e as pontas. As notas simuladas ficaram acima das reais, e nenhuma condição gerou nota 1 depois de um problema resolvido, que no real aparece em 7,6% dos casos. Depois de um problema não resolvido, a nota 1 foi de 38% a 58% dos casos na simulação, contra 83,5% no real.
3. Ela inventa diferenças de perfil. No real, idade e sexo quase não mexem na nota. Na simulação, quem é mais velho aparece mais leniente, e as mulheres, mais satisfeitas. O texto completo da persona reduziu a diferença inventada em comparação com só dar a demografia.

Limites: um só mês, uma só base de quem reclamou, 17 pessoas por faixa etária e uma só família de modelo avaliador. O teste não permite dizer qual das três condições erra menos o patamar, e tem tamanho de piloto.

Onde o MiroFish pode ajudar e onde não?

Uma simulação desse tipo ajuda a ensaiar cenários, levantar hipóteses sobre quem reage e como, descobrir perguntas para fazer a clientes reais e treinar equipe. Ela não substitui pesquisa com cliente, e o relatório que ela escreve funciona como hipótese a verificar. Decisão de produto, preço ou política não deve sair de uma rodada simulada.

Na DNACX, a regra é essa. Simulação com persona sintética entra como gerador de hipótese, nunca como previsão, e o que medimos é publicado, inclusive o que dá errado. Dois textos anteriores ajudam a situar o tema: as três definições de persona sintética e um primeiro teste do Nemotron contra a PNAD.

Como testar o MiroFish com segurança?

1. Comece pequeno. O próprio README recomenda menos de 40 rodadas nas primeiras simulações.
2. Não envie dado pessoal de cliente ao Zep Cloud sem checar contrato e LGPD. É um serviço externo.
3. Não exponha o programa na internet antes de ler a issue #489.
4. Repita a mesma entrada mais de uma vez e compare. Pela issue #751, a população de personas pode mudar entre execuções.
5. Confronte o relatório com gente de verdade. Ouvir de 20 a 30 clientes reais custa menos que decidir em cima de uma hipótese não verificada.
6. Diga ao leitor que a parte simulada é simulada. Veja também o verbete de dados sintéticos.