{"id":11884,"date":"2026-04-26T16:23:27","date_gmt":"2026-04-26T19:23:27","guid":{"rendered":"https:\/\/convergencia.tech\/inicio\/?p=11884"},"modified":"2026-04-26T16:24:47","modified_gmt":"2026-04-26T19:24:47","slug":"mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia","status":"publish","type":"post","link":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/","title":{"rendered":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA"},"content":{"rendered":"\n<h2 class=\"wp-block-heading\"><\/h2>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<p><strong>Un estudiante universitario de 20 a\u00f1os construy\u00f3 en 10 d\u00edas el sistema de simulaci\u00f3n multi-agente que lleg\u00f3 al n\u00famero 1 de GitHub global, recibi\u00f3 una inversi\u00f3n de 4,1 millones de d\u00f3lares en menos de 24 horas y ya se usa para predecir mercados, opini\u00f3n p\u00fablica y hasta el final perdido de cl\u00e1sicos literarios<\/strong><\/p>\n\n\n\n<p>Hay proyectos que aparecen de la nada y reordenan lo que uno cre\u00eda posible. MiroFish es uno de ellos. En marzo de 2026, un repositorio de GitHub escrito principalmente en Python trep\u00f3 al primer puesto del ranking global de tendencias de la plataforma, superando en visibilidad a proyectos de OpenAI, Google y Microsoft. Su autor: Guo Hangjiang, un estudiante de \u00faltimo a\u00f1o de la Universidad de Posts y Telecomunicaciones de Beijing, conocido en la comunidad de desarrolladores bajo el apodo \u00abBaiFu\u00bb. El tiempo que tard\u00f3 en construirlo: diez d\u00edas.<\/p>\n\n\n\n<p>Lo que hace MiroFish no tiene precedente directo en el software de c\u00f3digo abierto disponible hasta ese momento: toma un documento del mundo real \u2014una nota period\u00edstica, un informe financiero, un borrador de pol\u00edtica p\u00fablica, incluso una novela\u2014 y construye a partir de \u00e9l un mundo digital paralelo habitado por miles de agentes de inteligencia artificial, cada uno con su propia personalidad, su memoria individual, sus relaciones sociales y su l\u00f3gica de comportamiento. Esos agentes interact\u00faan libremente entre s\u00ed, discuten, se influyen, cambian de posici\u00f3n, forman coaliciones. Lo que emerge de esa interacci\u00f3n es una predicci\u00f3n: una distribuci\u00f3n de futuros posibles basada no en estad\u00edsticas sino en la din\u00e1mica social simulada.<\/p>\n\n\n\n<p>La idea central es tan simple como revolucionaria. En lugar de aplicar un modelo estad\u00edstico a datos hist\u00f3ricos y obtener una probabilidad, MiroFish construye una versi\u00f3n en miniatura del sistema social relevante y lo hace correr hacia adelante a velocidad acelerada. No predice el futuro extrapolando n\u00fameros. Simula c\u00f3mo se comportar\u00eda la gente.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">El origen: de BettaFish a MiroFish<\/h2>\n\n\n\n<p>La historia de MiroFish no empieza con MiroFish. Empieza con BettaFish, un proyecto anterior de Guo Hangjiang que tambi\u00e9n lleg\u00f3 al primer puesto de GitHub trending en su momento. BettaFish era una herramienta de an\u00e1lisis de opini\u00f3n p\u00fablica basada en m\u00faltiples agentes: miraba hacia atr\u00e1s, analizaba c\u00f3mo hab\u00eda evolucionado el sentimiento sobre un tema. El sistema era capaz de romper la \u00abburbuja de informaci\u00f3n\u00bb y reconstruir el panorama real de una discusi\u00f3n p\u00fablica.<\/p>\n\n\n\n<p>Fue BettaFish lo que llam\u00f3 la atenci\u00f3n de Chen Tianqiao, fundador del Shanda Group, uno de los primeros gigantes de internet chino que en su pico de 2004 era la empresa de internet m\u00e1s valiosa del pa\u00eds por capitalizaci\u00f3n de mercado. Chen hab\u00eda pasado a\u00f1os estudiando lo que \u00e9l llama la era del \u00absuper-individuo\u00bb: la idea de que en el tiempo de la inteligencia artificial, una sola persona puede hacer lo que antes requer\u00eda una empresa entera. Vio en Guo Hangjiang exactamente eso.<\/p>\n\n\n\n<p>Lo que impresion\u00f3 a Chen no fue tanto la sofisticaci\u00f3n t\u00e9cnica de BettaFish como algo m\u00e1s dif\u00edcil de cuantificar: la capacidad del estudiante para identificar un problema genuinamente valioso y abordarlo con m\u00e9todos nuevos basados en IA. Chen invit\u00f3 a Guo a hacer una pasant\u00eda en Shanda, con libertad total para trabajar en lo que quisiera.<\/p>\n\n\n\n<p>Lo que Guo quer\u00eda era llevar BettaFish un paso m\u00e1s all\u00e1. Si BettaFish miraba al pasado, lo que faltaba era un sistema que mirara al futuro. As\u00ed naci\u00f3 la idea de MiroFish. Mientras el pez betta analiza lo que ya ocurri\u00f3, el pez koi o miro simula lo que ocurrir\u00e1.<\/p>\n\n\n\n<p>Diez d\u00edas despu\u00e9s, con el m\u00e9todo de desarrollo que llama \u00abvibe coding\u00bb \u2014r\u00e1pido, intuitivo, asistido por herramientas de IA, sin sobredise\u00f1o\u2014, el sistema funcionaba. Esa misma noche, Guo grab\u00f3 un video de demostraci\u00f3n, m\u00e1s bien tosco, y se lo envi\u00f3 directamente a Chen Tianqiao. En menos de 24 horas, Chen hab\u00eda tomado la decisi\u00f3n: Shanda Group invertir\u00eda 30 millones de yuanes, aproximadamente 4,1 millones de d\u00f3lares, para incubar el proyecto en profundidad. Guo pas\u00f3 de ser un pasante a ser CEO de la noche a la ma\u00f1ana.<\/p>\n\n\n\n<p>El proyecto se public\u00f3 en GitHub el 7 de marzo de 2026. En d\u00edas acumul\u00f3 18.000 estrellas y m\u00e1s de 1.900 forks. Para mediados de abril ya superaba las 53.000 estrellas y segu\u00eda creciendo.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/eu.36kr.com\/en\/p\/3720728841763465\">https:\/\/eu.36kr.com\/en\/p\/3720728841763465<\/a> Fuente: <a href=\"https:\/\/www.panewslab.com\/en\/articles\/019cf53a-ca7c-7159-9fbc-40859cdfa108\">https:\/\/www.panewslab.com\/en\/articles\/019cf53a-ca7c-7159-9fbc-40859cdfa108<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Qu\u00e9 es exactamente MiroFish<\/h2>\n\n\n\n<p>MiroFish se define a s\u00ed mismo en su documentaci\u00f3n oficial como \u00abun motor de inteligencia de enjambre simple y universal capaz de predecir cualquier cosa\u00bb. La descripci\u00f3n suena grandilocuente hasta que se entiende el mecanismo.<\/p>\n\n\n\n<p>El sistema es un motor de predicci\u00f3n de nueva generaci\u00f3n basado en tecnolog\u00eda multi-agente. A partir de informaci\u00f3n semilla extra\u00edda del mundo real \u2014noticias de \u00faltimo momento, borradores de pol\u00edticas, se\u00f1ales financieras\u2014 construye autom\u00e1ticamente un mundo digital paralelo de alta fidelidad. En ese espacio, miles de agentes inteligentes con personalidades independientes, memoria a largo plazo y l\u00f3gica de comportamiento interact\u00faan libremente y experimentan una evoluci\u00f3n social. El usuario puede inyectar variables din\u00e1micamente desde una \u00abvista de dios\u00bb para deducir con precisi\u00f3n trayectorias futuras: ensayar el futuro en una caja de arena digital, y tomar decisiones despu\u00e9s de incontables simulaciones.<\/p>\n\n\n\n<p>La operaci\u00f3n b\u00e1sica es sorprendentemente accesible: el usuario sube un documento de origen y describe en lenguaje natural qu\u00e9 quiere predecir. MiroFish devuelve un informe de predicci\u00f3n detallado y un mundo digital interactivo de alta fidelidad con el que puede seguir experimentando.<\/p>\n\n\n\n<p>A nivel macro, MiroFish funciona como un laboratorio de ensayo para tomadores de decisiones: permite probar pol\u00edticas y estrategias de comunicaci\u00f3n sin riesgo. A nivel micro, es una caja de arena creativa para usuarios individuales, ya sea para deducir finales de novelas o explorar escenarios imaginativos.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/github.com\/666ghj\/MiroFish\">https:\/\/github.com\/666ghj\/MiroFish<\/a> Fuente: <a href=\"https:\/\/mirofish.ink\/\">https:\/\/mirofish.ink\/<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">La arquitectura t\u00e9cnica: c\u00f3mo funciona el sistema<\/h2>\n\n\n\n<p>Entender MiroFish requiere entender sus cinco componentes arquitect\u00f3nicos fundamentales. El sistema no es un invento de una sola pieza: es una integraci\u00f3n inteligente de tecnolog\u00edas que ya exist\u00edan por separado, ensambladas de una manera que produce algo cualitativamente nuevo.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">1. La capa de ingesti\u00f3n: GraphRAG y el grafo de conocimiento<\/h3>\n\n\n\n<p>Todo comienza con lo que MiroFish llama \u00abmaterial semilla\u00bb. Puede ser cualquier cosa: un art\u00edculo period\u00edstico, un informe de an\u00e1lisis financiero, un borrador de ley, un comunicado de prensa, incluso los primeros cap\u00edtulos de una novela. El sistema acepta cualquier texto estructurado que describa un escenario.<\/p>\n\n\n\n<p>Ese material semilla es procesado por GraphRAG, una tecnolog\u00eda de generaci\u00f3n aumentada por recuperaci\u00f3n optimizada para datos estructurados. A diferencia del RAG convencional, que trabaja con texto plano, GraphRAG extrae entidades \u2014personas, organizaciones, eventos, conceptos\u2014 y las relaciones entre ellas para construir un grafo de conocimiento. Este grafo no es una lista plana de hechos: es una representaci\u00f3n estructurada de la realidad relevante para la predicci\u00f3n, con m\u00faltiples niveles de resumen (global, local, por motivos) que reducen los requisitos de ventana de contexto y permiten escalar a grafos de m\u00e1s de 100.000 nodos.<\/p>\n\n\n\n<p>El grafo de conocimiento cumple una funci\u00f3n cr\u00edtica: ancla el comportamiento de los agentes a la realidad. Una de las principales cr\u00edticas a los sistemas de simulaci\u00f3n basados en lenguajes de gran escala (LLM) es que los agentes tienden a \u00abderivar\u00bb narrativamente: inventan relaciones, fabrican eventos, se alejan del escenario original. MiroFish previene esto haciendo que los agentes operen dentro del grafo de conocimiento, no fuera de \u00e9l. Los agentes no inventan relaciones ficticias; operan dentro de un mapa que refleja las entidades, relaciones y presiones reales de los datos de entrada.<\/p>\n\n\n\n<p>Este es el insight arquitect\u00f3nico central de MiroFish: la emergencia debe estar anclada a la realidad.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">2. La generaci\u00f3n de agentes: personalidades, historias y l\u00f3gica de comportamiento<\/h3>\n\n\n\n<p>A partir del grafo de conocimiento, MiroFish genera autom\u00e1ticamente miles de personas \u2014perfiles de agentes. Cada agente recibe un perfil \u00fanico que incluye:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Una personalidad distinta (con rasgos como apertura, escrupulosidad, extraversi\u00f3n, amabilidad, neuroticismo en espectros variables)<\/li>\n\n\n\n<li>Una historia de fondo coherente con el contexto del grafo<\/li>\n\n\n\n<li>Una posici\u00f3n inicial sobre el tema a simular<\/li>\n\n\n\n<li>Un conjunto de relaciones sociales con otros agentes<\/li>\n\n\n\n<li>Una l\u00f3gica de comportamiento y toma de decisiones propia<\/li>\n<\/ul>\n\n\n\n<p>Algunos agentes son aversos al riesgo. Otros son contrarios al consenso. Algunos siguen el sentimiento de la mayor\u00eda; otros act\u00faan sobre informaci\u00f3n incompleta. Hay agentes influyentes y agentes pasivos, l\u00edderes de opini\u00f3n y seguidores. La diversidad es deliberada: espeja la heterogeneidad real de cualquier sistema social.<\/p>\n\n\n\n<p>Un agente de configuraci\u00f3n del entorno lee el grafo completo y establece los par\u00e1metros de la simulaci\u00f3n: qu\u00e9 personas existen, c\u00f3mo es el entorno social, cu\u00e1les son las condiciones iniciales.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">3. La memoria persistente: Zep Cloud<\/h3>\n\n\n\n<p>Uno de los problemas cl\u00e1sicos de las simulaciones multi-agente con LLM es la falta de memoria persistente. Si cada ronda de interacci\u00f3n comienza desde cero, los agentes no pueden recordar lo que ocurri\u00f3 antes, no pueden evolucionar, no pueden cambiar de posici\u00f3n en funci\u00f3n de experiencias pasadas.<\/p>\n\n\n\n<p>MiroFish resuelve esto con Zep Cloud como sistema de memoria a largo plazo para cada agente. Zep act\u00faa como la fuente de verdad para el estado de cada agente y permite que estos recuerden rondas anteriores, actualicen sus posiciones en funci\u00f3n de lo vivido, y ajusten su comportamiento de manera coherente. Esta es la capa que hace posible que una simulaci\u00f3n de m\u00faltiples rondas produzca trayectorias temporales aut\u00e9nticas en lugar de repeticiones del mismo estado inicial.<\/p>\n\n\n\n<p>La arquitectura de memoria tambi\u00e9n soporta ejecuci\u00f3n distribuida: los agentes pueden moverse entre m\u00e1quinas y reanudar desde Zep sin perder historia. Esto es lo que permite escalar a decenas de miles de agentes en hardware est\u00e1ndar.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">4. El motor de simulaci\u00f3n: OASIS y la arquitectura dual de plataformas<\/h3>\n\n\n\n<p>El n\u00facleo de la simulaci\u00f3n est\u00e1 alimentado por OASIS (Open Agent Social Interaction Simulations), un framework de simulaci\u00f3n de agentes sociales de c\u00f3digo abierto desarrollado por la comunidad de investigaci\u00f3n de CAMEL-AI y publicado en investigaci\u00f3n revisada por pares. OASIS puede escalar hasta un mill\u00f3n de agentes con 23 tipos distintos de acciones sociales: seguir, comentar, repostear, dar like, silenciar, buscar, y m\u00e1s.<\/p>\n\n\n\n<p>OASIS maneja la l\u00f3gica del entorno, los sistemas de recomendaci\u00f3n, el motor temporal que activa agentes seg\u00fan horarios, y la capa de inferencia escalable que distribuye las llamadas a LLM entre GPUs. Los agentes ejecutan bucles de comportamiento as\u00edncronos con comunicaci\u00f3n dirigida por eventos y gesti\u00f3n de estado distribuido.<\/p>\n\n\n\n<p>MiroFish corre las simulaciones en dos plataformas paralelas simult\u00e1neamente:<\/p>\n\n\n\n<p>Plataforma A (tipo Twitter): publicaciones cortas de hasta 280 caracteres, mec\u00e1nicas virales (retweets, citas, tendencias), alta velocidad, baja profundidad. \u00d3ptima para cascadas r\u00e1pidas de sentimiento.<\/p>\n\n\n\n<p>Plataforma B (tipo Reddit): discusiones en hilos, votaci\u00f3n (upvote\/downvote), moderaci\u00f3n comunitaria, menor velocidad, mayor profundidad. \u00d3ptima para debates razonados y formaci\u00f3n de facciones.<\/p>\n\n\n\n<p>La polinizaci\u00f3n cruzada entre plataformas es una caracter\u00edstica deliberada del dise\u00f1o: los agentes pueden repostear contenido de la Plataforma B a la A y viceversa, creando puentes entre comunidades y modelando din\u00e1micas transversales que no existir\u00edan en una sola plataforma.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">5. El agente de reportes: s\u00edntesis e interacci\u00f3n profunda<\/h3>\n\n\n\n<p>Una vez concluida la simulaci\u00f3n, un agente dedicado \u2014el ReportAgent\u2014 analiza los resultados emergentes y produce un informe de predicci\u00f3n estructurado y legible. Este informe no es simplemente un resumen estad\u00edstico: combina lo que la poblaci\u00f3n de agentes alcanz\u00f3 colectivamente con an\u00e1lisis cualitativos de las trayectorias de opini\u00f3n, las facciones formadas, los puntos de inflexi\u00f3n identificados y los escenarios alternativos posibles.<\/p>\n\n\n\n<p>Pero el sistema no termina ah\u00ed. MiroFish permite al usuario interactuar directamente con cualquier agente de la simulaci\u00f3n, hacerle preguntas, explorar su razonamiento, entender por qu\u00e9 tom\u00f3 las decisiones que tom\u00f3. Tambi\u00e9n permite interactuar con el ReportAgent para profundizar en aspectos espec\u00edficos del an\u00e1lisis o explorar escenarios alternativos.<\/p>\n\n\n\n<p>El stack tecnol\u00f3gico completo: Python y FastAPI en el backend, Vue.js en el frontend, OASIS de CAMEL-AI como motor de simulaci\u00f3n, GraphRAG para la construcci\u00f3n del grafo de conocimiento, Zep Cloud para la memoria persistente de agentes, y compatibilidad con cualquier LLM que soporte el SDK de OpenAI (Claude, Llama, modelos fine-tuned propios). Licencia: AGPL-3.0. Soporta despliegue con Docker.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/medium.com\/@balajibal\/mirofish-multi-agent-swarm-intelligence-for-predictive-simulation-09771e60b188\">https:\/\/medium.com\/@balajibal\/mirofish-multi-agent-swarm-intelligence-for-predictive-simulation-09771e60b188<\/a> Fuente: <a href=\"https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8\">https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8<\/a> Fuente: <a href=\"https:\/\/emelia.io\/hub\/mirofish-ai-swarm-prediction\">https:\/\/emelia.io\/hub\/mirofish-ai-swarm-prediction<\/a> Fuente: <a href=\"https:\/\/flowtivity.ai\/blog\/agentic-swarms-mirofish-guide\/\">https:\/\/flowtivity.ai\/blog\/agentic-swarms-mirofish-guide\/<\/a> Fuente: <a href=\"https:\/\/github.com\/666ghj\/MiroFish\/blob\/main\/README.md\">https:\/\/github.com\/666ghj\/MiroFish\/blob\/main\/README.md<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">El pipeline completo: de un documento a una predicci\u00f3n<\/h2>\n\n\n\n<p>El flujo de trabajo de MiroFish sigue cinco etapas claramente definidas:<\/p>\n\n\n\n<p>Etapa 1 \u2014 Construcci\u00f3n del grafo: el documento semilla es procesado por GraphRAG. El sistema extrae entidades y relaciones, inyecta memoria individual y colectiva, y construye el grafo de conocimiento que servir\u00e1 de base para toda la simulaci\u00f3n.<\/p>\n\n\n\n<p>Etapa 2 \u2014 Configuraci\u00f3n del entorno: a partir del grafo, el sistema genera las personas de los agentes y configura los par\u00e1metros de simulaci\u00f3n. Un agente de configuraci\u00f3n del entorno establece las reglas de interacci\u00f3n, la estructura social y las condiciones iniciales.<\/p>\n\n\n\n<p>Etapa 3 \u2014 Simulaci\u00f3n: la simulaci\u00f3n corre en paralelo en las dos plataformas. Los agentes interact\u00faan, publican, comentan, cambian de posici\u00f3n. El sistema actualiza autom\u00e1ticamente las memorias temporales de cada agente a medida que avanzan las rondas. El usuario puede inyectar variables desde la \u00abvista de dios\u00bb en cualquier momento.<\/p>\n\n\n\n<p>Etapa 4 \u2014 Generaci\u00f3n del informe: el ReportAgent analiza los resultados emergentes y produce el informe de predicci\u00f3n. Tiene acceso a un conjunto rico de herramientas para interactuar con el entorno post-simulaci\u00f3n.<\/p>\n\n\n\n<p>Etapa 5 \u2014 Interacci\u00f3n profunda: el usuario puede conversar con cualquier agente del mundo simulado o con el ReportAgent para explorar el an\u00e1lisis en mayor profundidad.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything\">https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">C\u00f3mo instalar y correr MiroFish<\/h2>\n\n\n\n<p>MiroFish est\u00e1 disponible de manera gratuita y abierta en GitHub. Los requisitos del sistema son accesibles para cualquier desarrollador con experiencia b\u00e1sica:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li>Python 3.11 o 3.12<\/li>\n\n\n\n<li>Node.js 18 o superior<\/li>\n\n\n\n<li>uv (gestor de paquetes de Python)<\/li>\n\n\n\n<li>Una API key de cualquier LLM compatible con el SDK de OpenAI<\/li>\n\n\n\n<li>Una cuenta de Zep Cloud (para la memoria persistente de agentes)<\/li>\n<\/ul>\n\n\n\n<p>La instalaci\u00f3n b\u00e1sica sigue este flujo:<\/p>\n\n\n\n<pre class=\"wp-block-code\"><code>git clone https:\/\/github.com\/666ghj\/MiroFish\ncd MiroFish\ncp .env.example .env\n# Editar .env con las API keys necesarias\ndocker compose up -d<\/code><\/pre>\n\n\n\n<p>Una vez corriendo, la interfaz web est\u00e1 disponible en <a href=\"http:\/\/localhost:3000\">http:\/\/localhost:3000<\/a>. El usuario sube el documento semilla, describe su pregunta de predicci\u00f3n en lenguaje natural, y el sistema hace el resto.<\/p>\n\n\n\n<p>Para simulaciones peque\u00f1as (20 a 50 agentes), el sistema puede correr en instancias de nube est\u00e1ndar sin requisitos de hardware especiales. A mayor escala (miles de agentes), se necesita gesti\u00f3n eficiente de memoria y contexto. El proyecto recomienda limitar las simulaciones a menos de 40 rondas para mantener los costos de API bajo control.<\/p>\n\n\n\n<p>Para quienes prefieren una versi\u00f3n completamente local sin dependencias de nube, existe MiroFish-Offline, un fork de la comunidad que reemplaza Zep Cloud por Neo4j y usa Ollama para correr LLMs locales (se recomienda qwen2.5:32b). Este fork est\u00e1 disponible en:<\/p>\n\n\n\n<figure class=\"wp-block-embed\"><div class=\"wp-block-embed__wrapper\">\nhttps:\/\/github.com\/nikmcfly\/MiroFish-Offline\n<\/div><\/figure>\n\n\n\n<p>Para usuarios que quieren trabajar directamente desde la l\u00ednea de comandos y con soporte para Claude y Codex CLI, existe tambi\u00e9n el fork mirofish-cli:<\/p>\n\n\n\n<figure class=\"wp-block-embed\"><div class=\"wp-block-embed__wrapper\">\nhttps:\/\/github.com\/amadad\/mirofish-cli\n<\/div><\/figure>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Casos de uso y ejemplos exitosos<\/h2>\n\n\n\n<h3 class=\"wp-block-heading\">El experimento de Polymarket: $4.266 de ganancia en 338 operaciones<\/h3>\n\n\n\n<p>El caso m\u00e1s citado y documentado de aplicaci\u00f3n real de MiroFish es el de un desarrollador que integr\u00f3 el sistema con un bot de trading en Polymarket, el mercado de predicci\u00f3n descentralizado. La l\u00f3gica del experimento era elegante: en lugar de predecir precios directamente, el bot usaba MiroFish para predecir c\u00f3mo reaccionar\u00eda la gente ante determinados eventos. En un mercado de predicci\u00f3n, eso es exactamente lo que mueve los precios.<\/p>\n\n\n\n<p>El flujo de trabajo era el siguiente: el sistema recib\u00eda contexto del mercado, MiroFish constru\u00eda un mundo paralelo y simulaba 2.847 humanos digitales antes de cada operaci\u00f3n, los agentes argumentaban, formaban grupos y cambiaban de posici\u00f3n, y cuando el consenso de los agentes diverg\u00eda significativamente de lo que Polymarket estaba cotizando, el bot entraba a la operaci\u00f3n.<\/p>\n\n\n\n<p>El resultado: 338 operaciones, $4.266 de ganancia acumulada, con una posici\u00f3n que devolvi\u00f3 un 1.655% de retorno en cinco minutos.<\/p>\n\n\n\n<p>El an\u00e1lisis posterior de los datos revel\u00f3 algo importante sobre los l\u00edmites del sistema: MiroFish mostr\u00f3 una ventaja estad\u00edstica real en preguntas pol\u00edticas de horizonte largo (qu\u00e9 har\u00e1 una pol\u00edtica p\u00fablica en 90 d\u00edas, si un tratado ser\u00e1 aprobado, c\u00f3mo evolucionar\u00e1 la opini\u00f3n p\u00fablica sobre un tema), donde la respuesta depende de din\u00e1micas de opini\u00f3n p\u00fablica agregada e impulso institucional. En cambio, no mostr\u00f3 ventaja en mercados de menos de 15 minutos ni en situaciones donde la respuesta depende de informaci\u00f3n privada que los agentes simulados no tienen: ganancias corporativas no publicadas, decisiones de bancos centrales antes de su anuncio, movimientos coordinados de ballenas en mercados de criptomonedas.<\/p>\n\n\n\n<p>Esta distinci\u00f3n es fundamental para entender qu\u00e9 puede y qu\u00e9 no puede hacer MiroFish: es extraordinariamente bueno modelando din\u00e1micas sociales p\u00fablicamente conocibles; es ciego ante informaci\u00f3n privada.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/www.abhs.in\/blog\/mirofish-1m-agents-why-trading-fails-public-opinion-wins-2026\">https:\/\/www.abhs.in\/blog\/mirofish-1m-agents-why-trading-fails-public-opinion-wins-2026<\/a> Fuente: <a href=\"https:\/\/x.com\/k1rallik\/status\/2032870566806307131\">https:\/\/x.com\/k1rallik\/status\/2032870566806307131<\/a><\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Brian Roemmele y la simulaci\u00f3n de 500.000 agentes<\/h3>\n\n\n\n<p>Brian Roemmele, fundador de The Zero-Human Company, fue uno de los primeros adoptantes p\u00fablicos de MiroFish fuera del equipo original. Roemmele logr\u00f3 crear una simulaci\u00f3n de 500.000 agentes de IA en una sola corrida de MiroFish y describi\u00f3 el resultado como \u00abun superpoder masivo\u00bb: usar un motor de IA multi-agente para simular mundos digitales paralelos con cientos de miles de agentes diversos para predecir resultados como tendencias de mercado o reacciones del p\u00fablico ante comportamientos sociales emergentes.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/agentnativedev.medium.com\/mirofish-swarm-intelligence-with-1m-agents-that-can-predict-everything-114296323663\">https:\/\/agentnativedev.medium.com\/mirofish-swarm-intelligence-with-1m-agents-that-can-predict-everything-114296323663<\/a><\/p>\n\n\n\n<h3 class=\"wp-block-heading\">El final perdido de El sue\u00f1o del pabell\u00f3n rojo<\/h3>\n\n\n\n<p>Uno de los casos de uso m\u00e1s fascinantes \u2014y m\u00e1s alejados del mundo financiero\u2014 involucra la literatura cl\u00e1sica china. El sue\u00f1o del pabell\u00f3n rojo (\u7ea2\u697c\u68a6), una de las cuatro grandes novelas cl\u00e1sicas de la literatura china, tiene un problema hist\u00f3rico conocido: su autor original, Cao Xueqin, muri\u00f3 antes de completarla. Los \u00faltimos 40 cap\u00edtulos que circulan hoy fueron escritos por otro autor, Gao E, y no hay consenso sobre c\u00f3mo habr\u00eda terminado realmente la historia seg\u00fan la visi\u00f3n original.<\/p>\n\n\n\n<p>El equipo de MiroFish aliment\u00f3 el sistema con los primeros 80 cap\u00edtulos de la novela, decenas de miles de palabras, y le pidi\u00f3 que simulara el destino probable de los personajes. En lugar de pedir a un LLM que \u00abcompletara\u00bb la historia, MiroFish cre\u00f3 miles de agentes con las personalidades y relaciones de los personajes establecidas en el texto original, y los dej\u00f3 interactuar libremente durante m\u00faltiples rondas de simulaci\u00f3n.<\/p>\n\n\n\n<p>El resultado fue una extrapolaci\u00f3n narrativa emergente: no escrita por un autor, no generada por un modelo que predice token a token, sino evolucionada a trav\u00e9s de miles de interacciones de agentes moldeadas por los personajes establecidos y sus relaciones. La emergencia colectiva, no la predicci\u00f3n individual, produjo el desenlace.<\/p>\n\n\n\n<p>Este caso ilustra una posibilidad que va mucho m\u00e1s all\u00e1 de los mercados financieros: MiroFish como herramienta de an\u00e1lisis narrativo, de dise\u00f1o de juegos, de escritura creativa asistida, de exploraci\u00f3n de escenarios ficticios.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/www.beitroot.co\/blog\/mirofish-open-source-swarm-intelligence-engine\">https:\/\/www.beitroot.co\/blog\/mirofish-open-source-swarm-intelligence-engine<\/a> Fuente: <a href=\"https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything\">https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything<\/a><\/p>\n\n\n\n<h3 class=\"wp-block-heading\">La simulaci\u00f3n de opini\u00f3n p\u00fablica en la Universidad de Wuhan<\/h3>\n\n\n\n<p>Otro caso de demostraci\u00f3n documentado involucra el an\u00e1lisis de din\u00e1mica de opini\u00f3n p\u00fablica en el campus de la Universidad de Wuhan. MiroFish recibi\u00f3 un informe estructurado de opini\u00f3n p\u00fablica generado por BettaFish sobre una controversia estudiantil y fue instruido para simular c\u00f3mo evolucionar\u00eda el sentimiento durante las semanas siguientes.<\/p>\n\n\n\n<p>La simulaci\u00f3n produjo una trayectoria temporal secuenciada de cambio de opini\u00f3n: no solo predijo ad\u00f3nde llegar\u00eda el sentimiento, sino c\u00f3mo diferentes facciones se formar\u00edan, cambiar\u00edan y se influir\u00edan mutuamente a lo largo del tiempo. La salida inclu\u00eda el an\u00e1lisis del proceso de polarizaci\u00f3n, los puntos de inflexi\u00f3n donde la narrativa podr\u00eda haber tomado rumbos diferentes, y la distribuci\u00f3n final de posiciones entre los agentes.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything\">https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything<\/a><\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Simulaci\u00f3n de la suba de tasas de la Reserva Federal<\/h3>\n\n\n\n<p>Uno de los casos de uso financiero m\u00e1s mencionados en la documentaci\u00f3n y an\u00e1lisis del proyecto es la simulaci\u00f3n de los efectos de una suba de tasas de inter\u00e9s por parte de la Reserva Federal de los Estados Unidos. En este escenario, el material semilla consiste en documentos de pol\u00edtica monetaria, an\u00e1lisis de mercado y datos de sentimiento previos a la decisi\u00f3n. MiroFish genera agentes que representan distintos actores del mercado (inversores minoristas, fondos institucionales, analistas, consumidores, periodistas financieros) con diferentes perfiles de riesgo, horizontes temporales y sesgos cognitivos.<\/p>\n\n\n\n<p>La simulaci\u00f3n muestra c\u00f3mo cada tipo de actor responder\u00eda a la noticia, c\u00f3mo esa respuesta se propagar\u00eda a trav\u00e9s de la red social simulada, y qu\u00e9 configuraci\u00f3n de mercado emerger\u00e1 de esa din\u00e1mica colectiva. El resultado no es una predicci\u00f3n puntual sino una distribuci\u00f3n de futuros posibles con probabilidades asociadas.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/www.panewslab.com\/en\/articles\/019cf53a-ca7c-7159-9fbc-40859cdfa108\">https:\/\/www.panewslab.com\/en\/articles\/019cf53a-ca7c-7159-9fbc-40859cdfa108<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Otros dominios de aplicaci\u00f3n<\/h2>\n\n\n\n<p>M\u00e1s all\u00e1 de los casos documentados, la comunidad ha identificado y experimentado con MiroFish en varios dominios adicionales:<\/p>\n\n\n\n<p>Comunicaci\u00f3n de crisis y relaciones p\u00fablicas: una empresa puede simular c\u00f3mo reaccionar\u00e1 la opini\u00f3n p\u00fablica ante diferentes estrategias de respuesta antes de publicar nada. El sistema modela la propagaci\u00f3n del mensaje, la formaci\u00f3n de narrativas en medios sociales y la evoluci\u00f3n del sentimiento a lo largo de d\u00edas o semanas simulados, todo en minutos reales.<\/p>\n\n\n\n<p>Lanzamiento de productos: en lugar de grupos focales o encuestas, MiroFish puede simular la reacci\u00f3n de miles de perfiles de consumidores con diferentes personalidades y preferencias ante un nuevo producto, un cambio de precio o una campa\u00f1a publicitaria. La simulaci\u00f3n modela la propagaci\u00f3n del mensaje y sus efectos en diferentes segmentos de mercado.<\/p>\n\n\n\n<p>Modelado de impacto regulatorio: agencias de gobierno y grupos de advocacy pueden correr simulaciones de regulaciones propuestas y modelar la respuesta pol\u00edtica p\u00fablica, la formaci\u00f3n de coaliciones a favor y en contra, y la presi\u00f3n sobre el proceso legislativo.<\/p>\n\n\n\n<p>Planificaci\u00f3n de escenarios competitivos: simular c\u00f3mo responder\u00eda un conjunto de agentes representando a competidores, clientes y medios ante un movimiento estrat\u00e9gico espec\u00edfico antes de tomarlo.<\/p>\n\n\n\n<p>Cambio organizacional: c\u00f3mo reaccionar\u00e1 el personal ante una reestructuraci\u00f3n, una adquisici\u00f3n o un cambio de liderazgo, modelado a trav\u00e9s de agentes con diferentes roles, niveles de antig\u00fcedad y perfiles de personalidad.<\/p>\n\n\n\n<p>Investigaci\u00f3n acad\u00e9mica sobre comportamiento social: simular la propagaci\u00f3n de desinformaci\u00f3n, la formaci\u00f3n de movimientos de activismo, la organizaci\u00f3n de boicots de consumidores \u2014problemas de investigaci\u00f3n que con datos longitudinales reales requieren a\u00f1os; con MiroFish, horas.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/www.beitroot.co\/blog\/mirofish-open-source-swarm-intelligence-engine\">https:\/\/www.beitroot.co\/blog\/mirofish-open-source-swarm-intelligence-engine<\/a> Fuente: <a href=\"https:\/\/www.abhs.in\/blog\/mirofish-1m-agents-why-trading-fails-public-opinion-wins-2026\">https:\/\/www.abhs.in\/blog\/mirofish-1m-agents-why-trading-fails-public-opinion-wins-2026<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">La inversi\u00f3n y el concepto del super-individuo<\/h2>\n\n\n\n<p>La decisi\u00f3n de inversi\u00f3n de Chen Tianqiao merece un an\u00e1lisis separado porque revela algo m\u00e1s profundo que el entusiasmo por un proyecto particular.<\/p>\n\n\n\n<p>Chen explic\u00f3 en una charla de finales de 2025 por qu\u00e9 cree en el concepto del super-individuo. Seg\u00fan \u00e9l, muchas personas confunden al super-individuo con alguien que \u00abhace todo solo\u00bb, lo cual contradice las leyes naturales para seres de base carbono. Ni siquiera Elon Musk puede ser simult\u00e1neamente un cient\u00edfico de primer nivel en cohetes, neurociencia e ingenier\u00eda automotriz. Lo que hace Musk es diferente: usa su \u00abvoluntad\u00bb y \u00abcr\u00e9dito\u00bb para agregar los mejores cerebros externos disponibles y ponerlos a trabajar en su direcci\u00f3n. Solo necesita hacer dos cosas: dar un Prompt extremadamente ambicioso (una elecci\u00f3n), y asumir plena responsabilidad con todos sus activos. La ejecuci\u00f3n la hacen los mejores cerebros externos de la humanidad (y en el futuro, la IA).<\/p>\n\n\n\n<p>En esta visi\u00f3n, Guo Hangjiang es el arquetipo del super-individuo en la era de la IA: una persona sola que, en diez d\u00edas, construy\u00f3 algo que habr\u00eda requerido un equipo financiado y meses de ingenier\u00eda apenas unos a\u00f1os antes. La inversi\u00f3n de Chen no fue en MiroFish como software; fue en la demostraci\u00f3n viviente de que ese modelo de individuo ya existe y puede ser cultivado.<\/p>\n\n\n\n<p>Chen fue expl\u00edcito al respecto: lo que Shanda valor\u00f3 en Guo no fue el nivel t\u00e9cnico particular de su trabajo sino su capacidad para \u00abidentificar y definir problemas genuinamente valiosos e intentar resolverlos de maneras nuevas basadas en IA\u00bb. La tesis era sobre el fundador, no sobre el producto.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/eu.36kr.com\/en\/p\/3720728841763465\">https:\/\/eu.36kr.com\/en\/p\/3720728841763465<\/a> Fuente: <a href=\"https:\/\/agentnativedev.medium.com\/mirofish-swarm-intelligence-with-1m-agents-that-can-predict-everything-114296323663\">https:\/\/agentnativedev.medium.com\/mirofish-swarm-intelligence-with-1m-agents-that-can-predict-everything-114296323663<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Limitaciones y advertencias honestas<\/h2>\n\n\n\n<p>Ser\u00eda irresponsable terminar el an\u00e1lisis t\u00e9cnico sin una discusi\u00f3n honesta de las limitaciones conocidas del sistema. La comunidad de desarrolladores y analistas ha sido relativamente franca al respecto.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Falta de benchmarks de validaci\u00f3n<\/h3>\n\n\n\n<p>Esta es la limitaci\u00f3n m\u00e1s importante desde el punto de vista cient\u00edfico. No existen benchmarks publicados que comparen predicciones de MiroFish con resultados reales en condiciones controladas. El sistema produce escenarios plausibles, pero ning\u00fan estudio ha demostrado sistem\u00e1ticamente que esos escenarios sean m\u00e1s confiables que otros m\u00e9todos de predicci\u00f3n. \u00abEscalofriantemente preciso\u00bb es una impresi\u00f3n compartida en redes sociales, no una evaluaci\u00f3n cient\u00edfica rigurosa.<\/p>\n\n\n\n<p>El experimento de Polymarket es prometedor pero insuficiente: 338 operaciones es una muestra peque\u00f1a, el per\u00edodo de tiempo es corto, y las condiciones del mercado durante ese per\u00edodo no han sido analizadas en detalle. La rentabilidad observada podr\u00eda ser real o podr\u00eda ser ruido estad\u00edstico.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Costos de API significativos<\/h3>\n\n\n\n<p>Cada agente consume tokens de LLM en cada interacci\u00f3n. Una simulaci\u00f3n con cientos de agentes a lo largo de varias docenas de rondas puede volverse cara r\u00e1pidamente. El propio proyecto recomienda limitar las simulaciones a menos de 40 rondas. Para uso en producci\u00f3n a escala, los costos de inferencia son un factor que debe planificarse cuidadosamente.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Sesgos heredados de los LLMs<\/h3>\n\n\n\n<p>Los agentes heredan los sesgos de los modelos de lenguaje que los alimentan. Los LLMs tienden a producir comportamientos grupales m\u00e1s polarizados y m\u00e1s gregarios que los humanos reales. Las simulaciones de MiroFish podr\u00edan amplificar ciertas din\u00e1micas m\u00e1s all\u00e1 de lo que ocurrir\u00eda en la realidad, especialmente en temas polarizados o regulados. Un desarrollador en la comunidad de DEV.to se\u00f1al\u00f3 espec\u00edficamente este problema: el sesgo de comportamiento gregario (herd behavior) documentado en el paper de OASIS puede sesgar significativamente los resultados en temas polarizados, y vale la pena pesar cuidadosamente la diversidad de agentes en la configuraci\u00f3n de personas.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Techo fundamental en mercados eficientes<\/h3>\n\n\n\n<p>En mercados de predicci\u00f3n, MiroFish tiene un techo estructural que no puede superar con m\u00e1s escala. Los mercados eficientes agregan informaci\u00f3n privada que los agentes simulados simplemente no tienen. El desarrollador del experimento de Polymarket lo descubri\u00f3: ventaja estad\u00edstica real en preguntas de horizonte largo basadas en din\u00e1micas p\u00fablicas, cero ventaja en mercados de corto plazo donde la informaci\u00f3n privada domina. Este no es un problema de escala que se resuelva con m\u00e1s agentes; es una limitaci\u00f3n fundamental de la arquitectura.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\">Estado temprano del proyecto<\/h3>\n\n\n\n<p>A la fecha de publicaci\u00f3n de esta nota, MiroFish est\u00e1 en versi\u00f3n 0.1.2. Es esencialmente un proyecto de una sola persona respaldado por una empresa inversora. La base de contribuidores es estrecha, no hay adopci\u00f3n enterprise documentada, no hay modelo de precios, y el producto no ha alcanzado el product-market fit en ning\u00fan segmento comercial espec\u00edfico. La atenci\u00f3n viral es impresionante; la tracci\u00f3n comercial, por ahora, est\u00e1 por verse.<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/emelia.io\/hub\/mirofish-ai-swarm-prediction\">https:\/\/emelia.io\/hub\/mirofish-ai-swarm-prediction<\/a> Fuente: <a href=\"https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8\">https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8<\/a> Fuente: <a href=\"https:\/\/github.com\/lucy-cxy\/agentvc-index\/blob\/main\/cases\/2026-03-23_mirofish.md\">https:\/\/github.com\/lucy-cxy\/agentvc-index\/blob\/main\/cases\/2026-03-23_mirofish.md<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Por qu\u00e9 MiroFish importa m\u00e1s all\u00e1 de MiroFish<\/h2>\n\n\n\n<p>M\u00e1s all\u00e1 del proyecto espec\u00edfico, MiroFish es un punto de referencia arquitect\u00f3nico que merece atenci\u00f3n de cualquiera que est\u00e9 construyendo sistemas de IA ag\u00e9nticos.<\/p>\n\n\n\n<p>El stack que usa \u2014GraphRAG para extracci\u00f3n de conocimiento, memoria persistente de agentes via Zep, orquestaci\u00f3n multi-agente a escala via OASIS, simulaci\u00f3n dual de plataformas\u2014 no fue inventado para MiroFish. Todos esos componentes exist\u00edan previamente como proyectos separados. Lo que hizo Guo Hangjiang fue ensamblarlos de una manera que produce algo cualitativamente nuevo: predicci\u00f3n basada en emergencia social en lugar de extrapolaci\u00f3n estad\u00edstica.<\/p>\n\n\n\n<p>Estos patrones arquitect\u00f3nicos son cada vez m\u00e1s relevantes en producci\u00f3n:<\/p>\n\n\n\n<p>GraphRAG como capa de fundamentaci\u00f3n: en lugar de darle a los agentes texto plano, darles un grafo de conocimiento estructurado previene la deriva narrativa y ancla el comportamiento a la realidad documentada.<\/p>\n\n\n\n<p>Memoria persistente individual por agente: la capacidad de los agentes de recordar interacciones pasadas y evolucionar a lo largo del tiempo es lo que diferencia una simulaci\u00f3n din\u00e1mica de una repetici\u00f3n est\u00e1tica.<\/p>\n\n\n\n<p>Orquestaci\u00f3n multi-agente con diversidad deliberada: dise\u00f1ar sistemas donde el output no est\u00e1 programado sino que emerge de la interacci\u00f3n entre agentes heterog\u00e9neos.<\/p>\n\n\n\n<p>Simulaci\u00f3n dual de entornos: modelar din\u00e1micas en m\u00faltiples plataformas simult\u00e1neamente captura interacciones que una sola plataforma ocultar\u00eda.<\/p>\n\n\n\n<p>Un desarrollador en la comunidad de DEV.to lo sintetiz\u00f3 con precisi\u00f3n: \u00abMiroFish no es solo interesante como producto de predicci\u00f3n. Es interesante como ejemplo de varios patrones convergiendo juntos en una forma que es f\u00e1cil de estudiar y experimentar.\u00bb<\/p>\n\n\n\n<p>Fuente: <a href=\"https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8\">https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">El ecosistema de forks<\/h2>\n\n\n\n<p>El impacto de MiroFish se mide tambi\u00e9n en la velocidad con que la comunidad lo adopt\u00f3 y adapt\u00f3. En semanas desde su lanzamiento, varios forks significativos est\u00e1n activos:<\/p>\n\n\n\n<p>MiroFish-Offline (github.com\/nikmcfly\/MiroFish-Offline): reemplaza Zep Cloud por Neo4j local y usa Ollama para LLMs locales. Permite correr el sistema completo sin ninguna dependencia de API externa, con privacidad total de los datos. Recomendado para organizaciones con requisitos estrictos de seguridad o equipos que trabajan con datos sensibles. El modelo recomendado es qwen2.5:32b. Soporta entre 10.000 y 50.000 agentes en hardware local dependiendo de la GPU disponible.<\/p>\n\n\n\n<p>mirofish-cli (github.com\/amadad\/mirofish-cli): fork orientado a flujos de trabajo de l\u00ednea de comandos, con traducci\u00f3n completa al ingl\u00e9s del README y la interfaz, soporte para Claude CLI y Codex CLI, y outputs machine-readable en formato verdict.json adem\u00e1s del reporte completo. Dise\u00f1ado para integrarse en pipelines de CI\/CD y automatizaci\u00f3n.<\/p>\n\n\n\n<p>La existencia y actividad de estos forks en las semanas posteriores al lanzamiento es uno de los indicadores m\u00e1s confiables de que el proyecto toc\u00f3 una necesidad real en la comunidad de desarrolladores.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Conclusi\u00f3n: el futuro ya est\u00e1 siendo simulado<\/h2>\n\n\n\n<p>MiroFish representa algo m\u00e1s que una herramienta t\u00e9cnica interesante. Es un s\u00edntoma de un cambio m\u00e1s profundo en c\u00f3mo pensamos la predicci\u00f3n.<\/p>\n\n\n\n<p>Durante d\u00e9cadas, predecir el futuro signific\u00f3 extrapolaci\u00f3n estad\u00edstica: tomar datos hist\u00f3ricos, ajustar un modelo, proyectar hacia adelante. El problema de ese enfoque es que trata a los sistemas sociales como si fueran fen\u00f3menos f\u00edsicos con comportamiento determin\u00edstico. Los mercados financieros, la opini\u00f3n p\u00fablica, la difusi\u00f3n de ideas: ninguno de estos sistemas se comporta como el movimiento de un proyectil. Se comportan como lo que son: sistemas complejos donde millones de actores interdependientes toman decisiones en paralelo, se observan mutuamente, cambian de posici\u00f3n, forman coaliciones y producen emergencia.<\/p>\n\n\n\n<p>Lo que MiroFish propone es que la mejor manera de predecir esos sistemas no es modelarlos matem\u00e1ticamente sino simularlos socialmente: construir versiones en miniatura de ellos y hacerlos correr.<\/p>\n\n\n\n<p>Que esa idea haya llegado en la forma de un proyecto construido por un estudiante de 20 a\u00f1os en diez d\u00edas, con herramientas de c\u00f3digo abierto ya existentes, usando m\u00e9todos de desarrollo asistido por IA, dice algo importante sobre el momento en que estamos. Las herramientas para construir cosas extraordinarias est\u00e1n disponibles. El l\u00edmite ya no es el acceso a la tecnolog\u00eda ni el tama\u00f1o del equipo. El l\u00edmite es la capacidad de identificar el problema correcto y la decisi\u00f3n de abordarlo.<\/p>\n\n\n\n<p>En eso, al menos, el experimento de MiroFish ya fue un \u00e9xito.<\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Repositorio principal y recursos<\/h2>\n\n\n\n<p>Repositorio oficial: <a href=\"https:\/\/github.com\/666ghj\/MiroFish\">https:\/\/github.com\/666ghj\/MiroFish<\/a><\/p>\n\n\n\n<p>Demo online: <a href=\"https:\/\/mirofish.ink\/\">https:\/\/mirofish.ink\/<\/a><\/p>\n\n\n\n<p>README en ingl\u00e9s: <a href=\"https:\/\/github.com\/666ghj\/MiroFish\/blob\/main\/README-EN.md\">https:\/\/github.com\/666ghj\/MiroFish\/blob\/main\/README-EN.md<\/a><\/p>\n\n\n\n<p>Fork offline (Neo4j + Ollama): <a href=\"https:\/\/github.com\/nikmcfly\/MiroFish-Offline\">https:\/\/github.com\/nikmcfly\/MiroFish-Offline<\/a><\/p>\n\n\n\n<p>Fork CLI (Claude\/Codex): <a href=\"https:\/\/github.com\/amadad\/mirofish-cli\">https:\/\/github.com\/amadad\/mirofish-cli<\/a><\/p>\n\n\n\n<p>Motor OASIS (CAMEL-AI): <a href=\"https:\/\/github.com\/camel-ai\/oasis\">https:\/\/github.com\/camel-ai\/oasis<\/a><\/p>\n\n\n\n<hr class=\"wp-block-separator has-alpha-channel-opacity\"\/>\n\n\n\n<h2 class=\"wp-block-heading\">Fuentes completas<\/h2>\n\n\n\n<p>[1] Repositorio oficial de MiroFish en GitHub \u2014 <a href=\"https:\/\/github.com\/666ghj\/MiroFish\">https:\/\/github.com\/666ghj\/MiroFish<\/a><\/p>\n\n\n\n<p>[2] Sitio web oficial de MiroFish \u2014 <a href=\"https:\/\/mirofish.ink\/\">https:\/\/mirofish.ink\/<\/a><\/p>\n\n\n\n<p>[3] Perfil de Guo Hangjiang (BaiFu) en GitHub \u2014 <a href=\"https:\/\/github.com\/666ghj\">https:\/\/github.com\/666ghj<\/a><\/p>\n\n\n\n<p>[4] \u00abOne Undergrad Built 700,000 AI Agents in 10 Days That Predict Markets and Elections\u00bb, Abhishek Gautam \u2014 <a href=\"https:\/\/www.abhs.in\/blog\/mirofish-swarm-ai-700000-agents-predict-markets-public-opinion-2026\">https:\/\/www.abhs.in\/blog\/mirofish-swarm-ai-700000-agents-predict-markets-public-opinion-2026<\/a><\/p>\n\n\n\n<p>[5] \u00abMiroFish 1M Agents: Why It Fails at Trading But Wins Everything Else\u00bb, Abhishek Gautam \u2014 <a href=\"https:\/\/www.abhs.in\/blog\/mirofish-1m-agents-why-trading-fails-public-opinion-wins-2026\">https:\/\/www.abhs.in\/blog\/mirofish-1m-agents-why-trading-fails-public-opinion-wins-2026<\/a><\/p>\n\n\n\n<p>[6] \u00abMiroFish: Swarm-Intelligence with 1M Agents That Can Predict Everything\u00bb, Agent Native, Medium \u2014 <a href=\"https:\/\/agentnativedev.medium.com\/mirofish-swarm-intelligence-with-1m-agents-that-can-predict-everything-114296323663\">https:\/\/agentnativedev.medium.com\/mirofish-swarm-intelligence-with-1m-agents-that-can-predict-everything-114296323663<\/a><\/p>\n\n\n\n<p>[7] \u00abMiroFish: Multi-Agent Swarm Intelligence for Predictive Simulation\u00bb, Balaji Bal, Medium \u2014 <a href=\"https:\/\/medium.com\/@balajibal\/mirofish-multi-agent-swarm-intelligence-for-predictive-simulation-09771e60b188\">https:\/\/medium.com\/@balajibal\/mirofish-multi-agent-swarm-intelligence-for-predictive-simulation-09771e60b188<\/a><\/p>\n\n\n\n<p>[8] \u00abMiroFish: The Open-Source AI Engine That Builds Digital Worlds to Predict the Future\u00bb, DEV.to \u2014 <a href=\"https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8\">https:\/\/dev.to\/arshtechpro\/mirofish-the-open-source-ai-engine-that-builds-digital-worlds-to-predict-the-future-ki8<\/a><\/p>\n\n\n\n<p>[9] \u00abMiroFish: The AI Swarm Engine That Simulates the Future With Thousands of Agents\u00bb, Emelia.io \u2014 <a href=\"https:\/\/emelia.io\/hub\/mirofish-ai-swarm-prediction\">https:\/\/emelia.io\/hub\/mirofish-ai-swarm-prediction<\/a><\/p>\n\n\n\n<p>[10] \u00abWhat is MiroFish? The Agent Engine That Can Predict Anything and Everything\u00bb, Blocmates \u2014 <a href=\"https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything\">https:\/\/www.blocmates.com\/articles\/what-is-mirofish-the-agent-engine-that-can-predict-anything-and-everything<\/a><\/p>\n\n\n\n<p>[11] \u00abAgentic Swarms Are Here: What MiroFish Teaches Us About Multi-Agent Systems\u00bb, Flowtivity \u2014 <a href=\"https:\/\/flowtivity.ai\/blog\/agentic-swarms-mirofish-guide\/\">https:\/\/flowtivity.ai\/blog\/agentic-swarms-mirofish-guide\/<\/a><\/p>\n\n\n\n<p>[12] \u00abMiroFish: Open Source AI Simulation Engine for Prediction and Forecasting\u00bb, Beitroot \u2014 <a href=\"https:\/\/www.beitroot.co\/blog\/mirofish-open-source-swarm-intelligence-engine\">https:\/\/www.beitroot.co\/blog\/mirofish-open-source-swarm-intelligence-engine<\/a><\/p>\n\n\n\n<p>[13] \u00abMiroFish AI Swarm Prediction Engine, 53k Stars\u00bb, Decision Crafters \u2014 <a href=\"https:\/\/www.decisioncrafters.com\/mirofish-swarm-intelligence-engine-predicts-anything-53k-github-stars\/\">https:\/\/www.decisioncrafters.com\/mirofish-swarm-intelligence-engine-predicts-anything-53k-github-stars\/<\/a><\/p>\n\n\n\n<p>[14] \u00abChen Tianqiao&#8217;s Investment in a Post-2000s Individual\u00bb, 36Kr en ingl\u00e9s \u2014 <a href=\"https:\/\/eu.36kr.com\/en\/p\/3720728841763465\">https:\/\/eu.36kr.com\/en\/p\/3720728841763465<\/a><\/p>\n\n\n\n<p>[15] \u00abGuo Hangjiang, a senior at BUPT: Using 10 days and an AI engine, he persuaded Chen Tianqiao to invest 30M yuan\u00bb, PANews \u2014 <a href=\"https:\/\/www.panewslab.com\/en\/articles\/019cf53a-ca7c-7159-9fbc-40859cdfa108\">https:\/\/www.panewslab.com\/en\/articles\/019cf53a-ca7c-7159-9fbc-40859cdfa108<\/a><\/p>\n\n\n\n<p>[16] OSS Investment Scorecard: an\u00e1lisis de MiroFish, agentvc-index \u2014 <a href=\"https:\/\/github.com\/lucy-cxy\/agentvc-index\/blob\/main\/cases\/2026-03-23_mirofish.md\">https:\/\/github.com\/lucy-cxy\/agentvc-index\/blob\/main\/cases\/2026-03-23_mirofish.md<\/a><\/p>\n\n\n\n<p>[17] Fork MiroFish-Offline (Neo4j + Ollama) \u2014 <a href=\"https:\/\/github.com\/nikmcfly\/MiroFish-Offline\">https:\/\/github.com\/nikmcfly\/MiroFish-Offline<\/a><\/p>\n\n\n\n<p>[18] Fork mirofish-cli (Claude\/Codex CLI) \u2014 <a href=\"https:\/\/github.com\/amadad\/mirofish-cli\">https:\/\/github.com\/amadad\/mirofish-cli<\/a><\/p>\n\n\n\n<p>[19] Post original del experimento de Polymarket en X (Twitter) \u2014 <a href=\"https:\/\/x.com\/k1rallik\/status\/2032870566806307131\">https:\/\/x.com\/k1rallik\/status\/2032870566806307131<\/a><\/p>\n\n\n\n<p>[20] Segundo post sobre el experimento de Polymarket en X \u2014 <a href=\"https:\/\/x.com\/0xPhantomDefi\/status\/2033287199924625738\">https:\/\/x.com\/0xPhantomDefi\/status\/2033287199924625738<\/a><\/p>\n\n\n\n<p>[21] An\u00e1lisis de MiroFish, HTX European AI \u2014 <a href=\"https:\/\/ht-x.com\/posts\/2026\/03\/github-666ghj-mirofish-a-simple-and-universal-swar\/\">https:\/\/ht-x.com\/posts\/2026\/03\/github-666ghj-mirofish-a-simple-and-universal-swar\/<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"<p>Un estudiante universitario de 20 a\u00f1os construy\u00f3 en 10 d\u00edas el sistema de simulaci\u00f3n multi-agente que lleg\u00f3 al n\u00famero 1 de GitHub global, recibi\u00f3 una inversi\u00f3n de 4,1 millones de d\u00f3lares en menos de 24 horas y ya se usa para predecir mercados, opini\u00f3n p\u00fablica y hasta el final perdido de cl\u00e1sicos literarios Hay proyectos [&hellip;]<\/p>\n","protected":false},"author":2,"featured_media":11885,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[267,4],"tags":[],"class_list":["post-11884","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualidad","category-ai"],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v26.0 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA - Convergencia.tech<\/title>\n<meta name=\"description\" content=\"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA - Convergencia.tech\" \/>\n<meta property=\"og:description\" content=\"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA\" \/>\n<meta property=\"og:url\" content=\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/\" \/>\n<meta property=\"og:site_name\" content=\"Convergencia.tech\" \/>\n<meta property=\"article:published_time\" content=\"2026-04-26T19:23:27+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-04-26T19:24:47+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png\" \/>\n\t<meta property=\"og:image:width\" content=\"1672\" \/>\n\t<meta property=\"og:image:height\" content=\"941\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/png\" \/>\n<meta name=\"author\" content=\"Claudio R Parrinello\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"Claudio R Parrinello\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/\",\"url\":\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/\",\"name\":\"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA - Convergencia.tech\",\"isPartOf\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#primaryimage\"},\"image\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#primaryimage\"},\"thumbnailUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png\",\"datePublished\":\"2026-04-26T19:23:27+00:00\",\"dateModified\":\"2026-04-26T19:24:47+00:00\",\"author\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\"},\"description\":\"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA\",\"breadcrumb\":{\"@id\":\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#primaryimage\",\"url\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png\",\"contentUrl\":\"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png\",\"width\":1672,\"height\":941},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Portada\",\"item\":\"https:\/\/convergencia.tech\/inicio\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#website\",\"url\":\"https:\/\/convergencia.tech\/inicio\/\",\"name\":\"Convergencia.tech\",\"description\":\"Convergencia.tech\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4\",\"name\":\"Claudio R Parrinello\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g\",\"caption\":\"Claudio R Parrinello\"},\"url\":\"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA - Convergencia.tech","description":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/","og_locale":"es_ES","og_type":"article","og_title":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA - Convergencia.tech","og_description":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA","og_url":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/","og_site_name":"Convergencia.tech","article_published_time":"2026-04-26T19:23:27+00:00","article_modified_time":"2026-04-26T19:24:47+00:00","og_image":[{"width":1672,"height":941,"url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png","type":"image\/png"}],"author":"Claudio R Parrinello","twitter_card":"summary_large_image","twitter_misc":{"Escrito por":"Claudio R Parrinello"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/","url":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/","name":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA - Convergencia.tech","isPartOf":{"@id":"https:\/\/convergencia.tech\/inicio\/#website"},"primaryImageOfPage":{"@id":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#primaryimage"},"image":{"@id":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#primaryimage"},"thumbnailUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png","datePublished":"2026-04-26T19:23:27+00:00","dateModified":"2026-04-26T19:24:47+00:00","author":{"@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4"},"description":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA","breadcrumb":{"@id":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/"]}]},{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#primaryimage","url":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png","contentUrl":"https:\/\/convergencia.tech\/inicio\/wp-content\/uploads\/2026\/04\/ChatGPT-Image-26-abr-2026-16_21_29.png","width":1672,"height":941},{"@type":"BreadcrumbList","@id":"https:\/\/convergencia.tech\/inicio\/mirofish-el-motor-de-inteligencia-de-enjambre-que-predice-el-futuro-con-miles-de-agentes-ia\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Portada","item":"https:\/\/convergencia.tech\/inicio\/"},{"@type":"ListItem","position":2,"name":"MiroFish: el motor de inteligencia de enjambre que predice el futuro con miles de agentes IA"}]},{"@type":"WebSite","@id":"https:\/\/convergencia.tech\/inicio\/#website","url":"https:\/\/convergencia.tech\/inicio\/","name":"Convergencia.tech","description":"Convergencia.tech","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/convergencia.tech\/inicio\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Person","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/e5fe6aa8f1c43ac4a89cbdff073f62d4","name":"Claudio R Parrinello","image":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/convergencia.tech\/inicio\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/4bf26232b2090e32e55cf27d62bd64c1bc43df22f09309d12add5fb6b68e7182?s=96&d=mm&r=g","caption":"Claudio R Parrinello"},"url":"https:\/\/convergencia.tech\/inicio\/author\/c2421210\/"}]}},"amp_enabled":true,"_links":{"self":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/11884","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/comments?post=11884"}],"version-history":[{"count":1,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/11884\/revisions"}],"predecessor-version":[{"id":11886,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/posts\/11884\/revisions\/11886"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media\/11885"}],"wp:attachment":[{"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/media?parent=11884"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/categories?post=11884"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/convergencia.tech\/inicio\/wp-json\/wp\/v2\/tags?post=11884"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}