Un laureando cinese ha costruito in dieci giorni un motore di previsione che ha scalato GitHub, battuto OpenAI e Google nel trending globale, e attirato 30 milioni di yuan di investimento in 24 ore. MiroFish non è un chatbot: è un mondo parallelo.
Immaginate di poter caricare un articolo di giornale, una bozza di legge o un segnale finanziario, e osservare — in tempo reale — come migliaia di persone artificiali reagiscono, si influenzano a vicenda, formano coalizioni, cambiano opinione. Non è fantascienza: è esattamente quello che fa MiroFish, il progetto open source che a inizio marzo 2026 ha preso d'assalto GitHub, superando nel ranking globale i repository di OpenAI, Google e Microsoft.
Chi c'è dietro
MiroFish è opera di Guo Hangjiang, uno studente universitario cinese nato dopo il 2000, che ha costruito il progetto in soli dieci giorni usando una tecnica di sviluppo assistita dall'AI nota come "vibe coding". 36Kr Non è la prima volta: il suo progetto precedente, BettaFish — uno strumento di analisi del sentiment — aveva già scalato il trending globale di GitHub in una settimana, accumulando 20.000 stelle.
Quando Guo ha condiviso un demo grezzo con Chen Tianqiao — fondatore di Shanda Group e in passato l'uomo più ricco della Cina — quest'ultimo ha impegnato 4,1 milioni di dollari per incubarlo entro 24 ore dalla visione del video. Medium
L'investimento non riguarda solo MiroFish come prodotto: la tesi di Chen è quella del cosiddetto "super-individuale" — l'idea che nell'era dell'AI una singola persona possa costruire ciò che prima richiedeva un'intera azienda. Medium
Come funziona
MiroFish riceve quello che definisce "seed material" — un articolo di news, una bozza di policy, un segnale finanziario, o persino un'opera narrativa — e lo usa per costruire un mondo digitale parallelo popolato da migliaia di agenti AI. LinkedIn
Il processo si articola in quattro fasi:
1. Costruzione del grafo di conoscenza. MiroFish utilizza GraphRAG (Graph-based Retrieval Augmented Generation) per analizzare il materiale in input ed estrarre entità e relazioni. Invece di trattare il documento come un semplice insieme di testo, costruisce un grafo strutturato che rappresenta i protagonisti, le loro connessioni, le pressioni esistenti e le istituzioni coinvolte. DEV Community
2. Generazione degli agenti. Ogni agente riceve una personalità indipendente, memoria a lungo termine e regole comportamentali. Una volta inizializzato il mondo, gli agenti interagiscono liberamente: emergono dinamiche sociali, le opinioni si spostano, si formano coalizioni. LinkedIn
3. Simulazione parallela. MiroFish esegue le simulazioni su due piattaforme in parallelo — una simil-Twitter e una simil-Reddit — dove decine o centinaia di agenti pubblicano, commentano, discutono, si formano opinioni e si influenzano reciprocamente. DEV Community
4. Report predittivo. Al termine della simulazione, un agente specializzato analizza i pattern emersi e genera un rapporto dettagliato sugli scenari più probabili.
Il framework è alimentato da OASIS (Open Agent Social Interaction Simulations) di CAMEL-AI e può scalare fino a un milione di agenti, con 23 diverse tipologie di azioni sociali disponibili: seguire, commentare, ripubblicare, mettere mi piace, silenziare, cercare. Medium
I casi d'uso già documentati
I test pubblicati dal team coprono scenari molto diversi tra loro, e questo è uno degli aspetti più rivelatori del progetto.
Il primo caso riguarda le dinamiche di opinione pubblica alla Wuhan University, dove MiroFish è stato alimentato con un report di sentiment generato da BettaFish per simulare l'evoluzione del clima sociale. Il secondo caso è considerevolmente più insolito: il team ha caricato gli 80 capitoli iniziali del romanzo classico cinese Il Sogno della Camera Rossa — il cui finale originale è andato perduto — chiedendo al sistema di simulare come la storia avrebbe potuto concludersi. LinkedIn
Al di là della curiosità letteraria, questo esperimento dimostra che MiroFish tratta le dinamiche sociali e quelle narrative come varianti dello stesso problema: agenti con memoria, motivazioni e relazioni che interagiscono nel tempo.
Sul lato più concreto, uno sviluppatore ha integrato MiroFish in un bot di trading su Polymarket, simulando 2.847 agenti digitali prima di ogni operazione, riportando un profitto di oltre 4.000 dollari su 338 trade. Medium
Le applicazioni potenziali
Il team identifica come scenari target il supporto alle decisioni finanziarie, la previsione di policy e opinione pubblica, la simulazione di crisi PR, i test di strategie di marketing. Ma le possibilità si estendono: la modellazione epidemiologica, l'analisi di impatto regolatorio, il wargaming geopolitico, la pianificazione urbana — tutti domini dove comprendere i comportamenti emergenti è più prezioso di qualsiasi formula matematica. LinkedIn
I limiti da tenere presenti
MiroFish è uno strumento potente, ma va inquadrato con onestà.
Il team non ha pubblicato benchmark che confrontino le previsioni del sistema con gli esiti reali. Le simulazioni illustrano scenari plausibili basati sul comportamento emergente degli agenti — non si tratta di stime di probabilità. DEV Community In altri termini: MiroFish è un laboratorio di ipotesi, non un oracolo.
I costi LLM sono significativi: far girare centinaia di agenti per più round di simulazione richiede molte chiamate API. Il team raccomanda di non superare le 40 iterazioni per tenere sotto controllo i costi. DEV Community
C'è anche una questione di bias strutturale: secondo il paper di ricerca di OASIS, gli agenti LLM tendono a essere più suscettibili al comportamento gregario rispetto agli esseri umani reali. Le folle simulate possono polarizzarsi più rapidamente di quelle reali. DEV Community
La storia più grande
MiroFish è interessante come tecnologia. Ma la storia che racconta è ancora più significativa: il progetto ha raggiunto la vetta del trending globale su GitHub il 7 marzo 2026, accumulando 18.000 stelle e quasi 1.900 fork in pochi giorni dal lancio. LinkedIn
Un singolo studente universitario, con AI e dieci giorni di lavoro, ha costruito qualcosa che ha eclissato i repository delle più grandi aziende tecnologiche del mondo. Che le previsioni di MiroFish siano accurate o meno, questo fatto già dice qualcosa di molto preciso sul futuro che stiamo attraversando.
