MiroFish: qué es, si funciona y sus alternativas para 2026

Qué es MiroFish y por qué está dando tanto que hablar

MiroFish es un motor de código abierto (licencia AGPL-3.0) que promete algo tentador para cualquier founder: le das un documento, un seed en la jerga, y el sistema construye miles de agentes de IA con personalidad y memoria, los pone a discutir en redes sociales simuladas y devuelve un informe de predicción. El repositorio oficial en GitHub (666ghj/MiroFish) presume de 76.943 estrellas y 11.764 forks a 7 de octubre de 2026, con apenas diez meses de vida y la versión 0.1.2 como última etiqueta publicada. Cifras así, en un proyecto tan joven, son parte de la historia y parte de la advertencia.

El flujo, según el README oficial, se apoya en cinco pasos: extracción de entidades y relaciones a un GraphRAG (un grafo de conocimiento que el modelo consulta), generación de personas simuladas a partir de cada entidad, simulación paralela en dos redes tipo Twitter y Reddit con memoria que se actualiza por ronda, redacción de un informe por un ReportAgent dedicado y, por último, conversación con cualquier agente o con el propio ReportAgent. El motor social que mueve a los agentes no es propio: el propio README lo atribuye a OASIS de CAMEL-AI (Apache-2.0, 5.237 estrellas), cuyo paper de noviembre de 2024 describe capacidad para hasta un millón de usuarios y 23 acciones sociales, aunque sin comparaciones con datos reales de plataformas.

¿Funciona MiroFish de verdad o es puro hype?

La respuesta corta que da el análisis original de Pasquale Pillitteri es incómoda: como software funciona, pero como predictor no hay ninguna métrica de precisión publicada. El repositorio no contiene un solo backtest oficial. Lo más parecido es la propuesta número 813 del propio GitHub, Historical backtesting framework, abierta el 15 de septiembre de 2026 por un colaborador externo y sin comentarios a fecha del artículo.

¿Y esto cómo se aplica en tu negocio?

En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.

👥 Probar 7 días

La única prueba de terceros que compara con la realidad es pequeña pero reveladora. El laboratorio de investigación de WPP ejecutó MiroFish con gemini-2.5-flash-lite y unos 25 agentes (gasto aproximado: un dólar) y la sesión del 14 de mayo erró la dirección del S&P 500, que cerró con +0,77%, y ninguno de los cinco valores señalados entró en el top cinco real. Una jornada no demuestra nada, pero es la única comparación con el mundo real que se ha publicado.

Más inquietante es la incidencia 529, abierta el 12 de abril, donde se documenta que el ReportAgent puede escribir por su cuenta un bloque de resultado de herramienta antes de que esta se ejecute: el informe final llega con nombres de usuario, citas y estadísticas que nunca existieron en el grafo. Quien lee el reporte no distingue el dato real del fabricado. La incidencia 17, del 6 de enero, ya advertía de algo igual de relevante: con el mismo material y otro modelo, la conclusión puede cambiar, lo que obliga a repetir cada simulación varias veces y quedarse solo con el consenso.

El autor original del proyecto, BaiFu (Guo Hangjiang), era estudiante de cuarto año cuando publicó MiroFish y ya había llevado a GitHub Trending a BettaFish, un asistente multiagente de análisis de opinión pública. El 7 de marzo de 2026 MiroFish llegó al número uno global y, según Pedaily, levantó 30 millones de yuanes de Chen Tianqiao, fundador de Shanda Group, que además incuba el proyecto. La cara B la cuenta 36Kr en marzo: el propio creador lo presenta como apoyo para decidir con método, no como predicción infalible. Un prototipo joven con una fama mucho mayor que su madurez.

Cuánto cuesta ponerlo a correr

El software se descarga gratis, pero ejecutarlo requiere dos servicios externos: una API de modelo de lenguaje compatible con OpenAI (el README recomienda Qwen-plus vía Bailian de Alibaba) y una cuenta de Zep Cloud para la memoria en grafo, con cuota mensual gratuita que el propio README considera suficiente para usos sencillos. El gasto real depende del tamaño: en las pruebas recogidas, alrededor de un dólar para 25 agentes con un modelo pequeño (WPP) y unos cuarenta minutos de espera para 52 agentes y 40 rondas con Qwen3.5-Plus (reseña de sspai). Zep Cloud se quedó sin cuota gratuita tras la tercera ejecución en el experimento de WPP, una cifra a tener en cuenta antes de planificar un piloto en producción.

La licencia AGPL-3.0 permite usar, estudiar y modificar el código sin coste, pero obliga a publicar las modificaciones si se ofrece MiroFish como servicio en red. Para uso interno no hay fricción; para quien piense envolverlo en un SaaS cerrado, es un punto a negociar con legal desde el día uno.

Alternativas a MiroFish: el mercado de las personas sintéticas

El espacio de las personas sintéticas (synthetic users, digital twins) lleva un año hirviendo, y la diferencia de fondo está en el origen de los agentes. MiroFish genera los personajes con un LLM a partir de un documento. Los servicios comerciales de investigación de mercado, en cambio, declaran calibrar sus agentes con personas reales: entrevistas, encuestas o datos de compra. Para quien necesita saber cómo reaccionará un público ante un producto, la segunda vía parte con ventaja, al menos sobre el papel.

Aaru simula poblaciones y campañas con datos públicos y propietarios. Sus fundadores (Cameron Fink, Ned Koh y John Kessler, marzo de 2024) cerraron en diciembre de 2025 una Serie A liderada por Redpoint por encima de 50 millones de dólares, con una valoración de portada de 1.000 millones y una media por debajo, según TechCrunch. El propio fondo publicó en abril de 2026 que Aaru demostró 90% de correlación con respuestas humanas en el Global Wealth Research Report de EY. Clientes citados: Accenture, EY, Interpublic y campañas políticas. ARR por debajo de 10 millones, según las fuentes de TechCrunch.
Simile nació en Palo Alto a partir de la investigación de Stanford sobre agentes generativos (Joon Sung Park, Percy Liang, Michael Bernstein) y salió a la luz en febrero de 2026 con 100 millones de Index Ventures. Según PYMNTS, en julio de 2026 cerró una Serie B de 200 millones de dólares a una valoración de 2.000 millones para construir un modelo de confianza que prediga la precisión de cada simulación, con la meta declarada de simular a los 8.000 millones de personas del planeta. CVS Health usó 400.000 gemelos digitales para estudiar la adherencia a medicamentos recetados, según la cobertura.
Artificial Societies ofrece redes de 12 a 3.500 personas para probar mensajes; declara 86% de acierto sobre 1.000 encuestas reales, con techo humano del 91%, en un informe propio de enero de 2026.
Synthetic Users vende entrevistas simuladas entre 2 y 27 dólares por entrevista, más unos 5 dólares por la parte de datos propios.
OASIS (CAMEL-AI), el motor que corre por debajo de MiroFish, está disponible por separado bajo Apache-2.0 para quien quiera montar su propio simulador social con control total sobre los perfiles.

Fuera de ese núcleo, Toluna presentó el 1 de octubre de 2026 Toluna Bina, un workspace de investigación con personas sintéticas grounded en 25 años de datos propios de la empresa (80 millones de panelistas y miles de millones de respuestas), con la particularidad de que la validación con personas reales se lanza desde la misma plataforma con un clic. El movimiento confirma que la categoría está pasando de prototipo a infraestructura de investigación.

Un matiz importante que recoge AIMultiple: las personas sintéticas sirven para generar hipótesis y para las primeras fases de prueba, no para decisiones finales. El riesgo principal es que los perfiles tienden a ser más positivos y complacientes que las personas reales, un sesgo que se hereda del modelo de lenguaje.

Qué significa esto para tu startup

Si lo que necesitas es entender cómo se propaga una noticia, una polémica o el anuncio de un producto en una comunidad, MiroFish y OASIS tienen su razón de ser: son simuladores de dinámicas sociales. Úsalos como laboratorio de escenarios, no como bola de cristal. La cautela del análisis original se resume en tres reglas: lanzar la misma simulación al menos tres veces con modelos distintos, quedarse solo con lo que aparece en las tres, y verificar cualquier frase del informe en los logs del agente (la incidencia 529 lo exige).

Si lo que necesitas es probar un mensaje, un precio o un envase para consumidores, los servicios calibrados con personas reales (Simile, Artificial Societies, Aaru en sus versiones enterprise) o Synthetic Users, que cuesta decenas de dólares por entrevista, dan una señal más accionable. En todos los casos, el movimiento correcto sigue siendo sumar cinco a diez entrevistas reales como control: cuestan poco y separan la señal del ruido.

Tres acciones concretas para este lunes

Monta un piloto interno con MiroFish y un seed real de tu producto (un press release, una nota interna o un borrador de landing) y lanza la simulación tres veces con dos modelos distintos. Mide cuánto tarda, cuánto cuesta y qué objeciones aparecen en las tres ejecuciones. Esas objeciones son la entrega útil del ejercicio.
Crea una cuenta gratuita de Zep Cloud y un sandbox en Qwen-plus antes de prometer resultados a tu equipo. Con 25 agentes y menos de 40 rondas el gasto se queda por debajo del dólar; es la forma de saber si el coste de producción cabe en tu presupuesto de investigación.
Si vas a tomar decisiones de pricing o de mensaje, no sustituyas el research de mercado por simulaciones: combínalas. Un estudio con 5-10 entrevistas reales validadas con Aaru o Synthetic Users cuesta menos de 300 dólares y te da el control que ningún enjambre de agentes te va a dar.

Fuentes

¿te gustó o sirvió lo que leíste?, Por favor, comparte.

WhatsApp X LinkedIn

¿Y esto cómo se aplica en tu negocio?

En CAR, dueños de empresa de Latinoamérica y España usan la tecnología para ser más rentables. Empiezas con una ruta de 7 días y terminas con un sistema funcionando en tu negocio.

👥 Probar 7 días