MiroFish: O Motor de IA de Previsão por Enxame que Recebeu 4M de euros em 24h (Guia Completo)

Imagine um software no qual você insere um artigo de imprensa, um sinal financeiro ou um projeto de lei, e que constrói instantaneamente um mundo digital povoado por milhares de personagens autônomos. Esses personagens debatem, formam coalizões, mudam de opinião, e seus comportamentos coletivos produzem um relatório de previsão sobre o que poderia acontecer no mundo real.

Esse software existe. Chama-se MiroFish, é open source, e foi construído em dez dias por um estudante chinês de 20 anos.

Desde seu lançamento no início de março de 2026, o MiroFish acumulou mais de 33.000 estrelas no GitHub, alcançou o topo do ranking mundial GitHub Trending, e conquistou um financiamento de 30 milhões de yuans (cerca de 4 milhões de euros) em menos de 24 horas. O projeto fascina tanto por sua ambição técnica quanto pela história improvável de sua criação.

O MiroFish é um motor de previsão por swarm intelligence (inteligência em enxame). Ao contrário dos modelos de previsão clássicos que se baseiam em séries temporais ou regressões estatísticas, o MiroFish adota uma abordagem radicalmente diferente: ele simula o comportamento humano coletivo.

O princípio é simples de entender, mesmo que a execução seja complexa. Você fornece ao sistema um documento de origem: um artigo de imprensa, um relatório financeiro, um projeto de política pública, ou até mesmo um romance. O MiroFish extrai as entidades e as relações desse documento para construir um grafo de conhecimento. A partir desse grafo, ele gera milhares de agentes de IA autônomos, cada um dotado de uma personalidade própria, de uma memória de longo prazo, de um histórico social e de uma lógica comportamental única.

Esses agentes são então liberados em um ambiente digital que simula plataformas sociais (do tipo X ou Reddit). Eles interagem livremente: publicam, comentam, seguem uns aos outros, debatem, mudam de posição. As dinâmicas coletivas que emergem dessas interações (formação de opiniões dominantes, polarização, efeitos de grupo, viradas narrativas) são analisadas para produzir um relatório de previsão estruturado.

Em resumo: o MiroFish não prevê o futuro extrapolando números. Ele constrói uma versão em miniatura do sistema social em questão e a roda em modo acelerado.

A história do MiroFish começa com Guo Hangjiang, estudante do último ano da Universidade de Correios e Telecomunicações de Pequim. Conhecido pelo pseudônimo "Baifu" nas plataformas de desenvolvimento, Guo é apaixonado por arquitetura de agentes inteligentes e cálculo de grafos.

No final de 2024, seu primeiro projeto open source, BettaFish (uma ferramenta de análise de sentimento multiagente), já havia alcançado o primeiro lugar do GitHub Trending mundial e coletado 20.000 estrelas em uma semana. Esse sucesso chamou a atenção de Chen Tianqiao, fundador do grupo Shanda e ex-homem mais rico da China. Chen, que se tornou investidor tecnológico baseado nos Estados Unidos, promove uma teoria do "super-indivíduo": a ideia de que, na era da IA, uma única pessoa pode criar o equivalente a uma empresa inteira.

Chen convidou Guo para um estágio na Shanda com liberdade total. Em dez dias, usando o que Guo chama de "vibe coding" (um método de desenvolvimento rápido e intuitivo assistido por ferramentas de IA), o MiroFish estava funcional. Naquela mesma noite, Guo gravou um vídeo demo e enviou diretamente para Chen Tianqiao.

Em menos de 24 horas, Chen comprometeu 30 milhões de yuans (cerca de 4,1 milhões de dólares) para incubar o projeto. Guo passou do status de estagiário ao de CEO da noite para o dia. Em 7 de março de 2026, o MiroFish alcançou o primeiro lugar do ranking GitHub Trending mundial, com 18.000 estrelas e quase 1.900 forks em apenas alguns dias.

O funcionamento do MiroFish se baseia em um pipeline de cinco etapas claramente definidas. Veja como o sistema transforma um simples documento em uma simulação preditiva completa.

O documento de origem (artigo de imprensa, relatório financeiro, projeto de lei, obra literária) é analisado pelo GraphRAG, uma tecnologia de geração aumentada por recuperação otimizada para dados estruturados. O sistema extrai as entidades (pessoas, organizações, eventos, conceitos) e suas relações para construir um grafo de conhecimento que servirá de fundação para a simulação.

A partir do grafo, o MiroFish gera milhares de personas de agentes. Cada agente recebe um perfil único contendo uma personalidade distinta, um histórico, uma posição inicial sobre o tema, e relações sociais com outros agentes. Um agente de configuração de ambiente define as regras da simulação. A memória de longo prazo de cada agente é gerenciada pelo Zep Cloud, o que lhes permite reter e evoluir suas experiências ao longo do tempo.

A simulação é lançada em duas plataformas paralelas (uma do tipo X e uma do tipo Reddit) através do motor OASIS, desenvolvido pela comunidade de pesquisa CAMEL-AI. Esse motor é projetado para gerenciar até um milhão de agentes simultaneamente com 23 tipos de ações sociais (publicar, comentar, curtir, seguir, etc.). Durante a simulação, as memórias dos agentes são atualizadas dinamicamente em função de suas interações.

Um agente especializado chamado ReportAgent analisa os resultados da simulação. Ele examina as evoluções de opinião, as coalizões formadas, os padrões comportamentais emergentes, e compila um relatório de previsão estruturado e legível. Esse relatório identifica os cenários mais prováveis e as dinâmicas-chave observadas.

Após a simulação, você pode interagir diretamente com qualquer agente ou com o ReportAgent. Você pode fazer perguntas complementares, injetar novas variáveis ("o que aconteceria se o Fed baixasse as taxas?", "o que aconteceria se o CEO renunciasse?"), e relançar cenários modificados. É isso que o MiroFish chama de "visão divina" (God's-eye view): a capacidade de alterar as condições durante a simulação e observar em tempo real como o mundo digital se reorganiza.

Para entender bem o que o MiroFish traz, é útil compará-lo aos métodos de previsão clássicos.

Essas duas abordagens não são mutuamente exclusivas. O valor do MiroFish reside em sua capacidade de fazer emergir cenários e dinâmicas que os modelos estatísticos não captam: as reviravoltas de opinião, os efeitos cascata, as coalizões inesperadas. A previsão tradicional continua superior para as estimativas quantitativas precisas.

O MiroFish pode simular a reação coletiva de diferentes perfis de investidores (varejo, institucionais, analistas) diante de um sinal de mercado. Uma demonstração simulou as consequências de uma alta de taxas do Fed observando como os sentimentos de grupo convergem e como as trajetórias de opinião pública se formam. Para equipes de estratégia financeira, é uma ferramenta de stress-test narrativo: não "qual será o preço?" mas "como os atores do mercado vão reagir e se influenciar mutuamente?".

Antes de lançar uma política pública, é possível simular as reações das partes interessadas: cidadãos, lobbies, mídia, oposição. O MiroFish pode fazer emergir alianças inesperadas ou pontos de bloqueio que as análises clássicas não detectariam. A extensão rumo à modelagem geopolítica e ao wargaming é uma possibilidade natural dessa arquitetura.

Diante de uma crise potencial, o MiroFish permite simular como a opinião pública evoluiria nas redes sociais. Quais narrativas dominariam? Quais grupos se formariam? Onde estariam os pontos de inflexão? É um simulador de crise antes que a crise aconteça.

Para avaliar uma campanha de marketing ou o lançamento de um produto, o MiroFish pode simular as reações de milhares de perfis de consumidores com personalidades e preferências diferentes. Em vez de pesquisas ou focus groups, você obtém uma simulação dinâmica da propagação da mensagem e de seus efeitos sobre diferentes segmentos.

O projeto se baseia em uma combinação de tecnologias que, tomadas individualmente, existem há algum tempo, mas cuja montagem é o que torna o MiroFish inovador.

O motor OASIS, desenvolvido pela comunidade de pesquisa CAMEL-AI, é um elemento central. Publicado em trabalhos de pesquisa avaliados por pares, o OASIS é capaz de simular até um milhão de agentes com 23 tipos de interações sociais. Ele reproduz fenômenos sociais documentados: propagação de informação, polarização de grupo, efeito manada. É essa fundação científica sólida que dá ao MiroFish sua credibilidade técnica.

O fato de Guo Hangjiang ter conseguido montar tudo isso em dez dias diz tanto sobre a maturidade desses componentes (LLMs, GraphRAG, memória cloud para agentes) quanto sobre suas habilidades de desenvolvedor. O "vibe coding", frequentemente ridicularizado, encontra aqui uma ilustração concreta de seu poder: a capacidade de um indivíduo sozinho construir um sistema complexo apoiando-se em blocos de IA existentes.

Sejamos transparentes: na Emelia, não instalamos o MiroFish em nossas máquinas, e não o faremos por enquanto.

A razão é simples e pragmática. Por questões de segurança da informação, nossa política interna não nos permite instalar diretamente repositórios open source chineses em nossas infraestruturas. Não se trata de um julgamento sobre a qualidade do código ou as intenções do projeto. É uma medida de precaução padrão que muitas empresas europeias aplicam, especialmente quando o repositório é recente, a documentação é parcialmente em mandarim, e o projeto requer chaves de API e acesso à rede.

Dito isso, o conceito continua absolutamente fascinante, e é precisamente por essa razão que falamos dele.

A abordagem do MiroFish representa uma potencial mudança de paradigma na forma como pensamos a previsão. Em vez de perguntar "o que dizem os dados históricos?", ela pergunta "o que fariam milhares de pessoas simuladas diante dessa situação?". Para finanças, marketing, política pública ou gestão de crise, é uma perspectiva poderosa.

Aliás, a comunidade open source já começou a criar forks e versões alternativas. Um desenvolvedor publicou notadamente uma versão totalmente local e em inglês, que funciona sem API cloud, o que elimina parte das preocupações ligadas à segurança e à dependência de serviços terceiros.

O MiroFish é um projeto promissor, mas é importante manter um olhar crítico.

Primeiro, não existe nenhum benchmark publicado comparando as previsões do MiroFish com resultados reais. O sistema produz cenários plausíveis, mas nenhum estudo ainda demonstra que esses cenários são mais confiáveis do que outros métodos de previsão. "Scarily accurate" é uma impressão compartilhada nas redes sociais, não uma avaliação científica rigorosa.

Segundo, o custo em chamadas de API é significativo. Cada agente consome tokens LLM a cada interação, e uma simulação com centenas de agentes em várias dezenas de turnos pode se tornar muito cara. O projeto inclusive recomenda limitar as simulações a menos de 40 turnos.

Terceiro, os agentes herdam os vieses de seus modelos de linguagem subjacentes. Os LLMs tendem a produzir comportamentos de grupo mais polarizados e mais gregários do que os humanos reais. As simulações do MiroFish poderiam, portanto, amplificar certas dinâmicas além do que aconteceria na realidade.

Por fim, o projeto está na versão 0.1.2. É um protótipo funcional, não um produto maduro. A equipe está recrutando ativamente (as vagas são publicadas no repositório GitHub com endereços em @shanda.com), o que confirma que o desenvolvimento está apenas começando.

O MiroFish se inscreve em uma tendência mais ampla: o uso de sistemas multiagente não mais para executar tarefas, mas para simular sistemas complexos. Essa abordagem poderia transformar vários domínios nos próximos anos.

Em epidemiologia, enxames de agentes poderiam simular a propagação de doenças e a eficácia de diferentes estratégias de contenção. Em urbanismo, eles poderiam testar o impacto de uma nova infraestrutura sobre os fluxos populacionais. Em seguros, eles poderiam modelar os comportamentos de evacuação em caso de catástrofe natural.

O fato de um estudante de 20 anos ter conseguido construir tal sistema em dez dias ilustra o quanto os componentes necessários (LLMs, grafos de conhecimento, memória persistente para agentes, motores de simulação em larga escala) tornaram-se acessíveis. A próxima etapa será a validação: provar que essas simulações produzem resultados realmente preditivos, não apenas plausíveis.

Enquanto isso, o MiroFish continua sendo o que poderíamos chamar de "SimCity da previsão": uma ferramenta fascinante para explorar futuros possíveis, fazer perguntas "e se?", e visualizar dinâmicas sociais complexas. Para equipes de estratégia, finanças ou comunicação, é um conceito a acompanhar de muito perto, mesmo que a instalação direta ainda não esteja na pauta.