MiroFish研报总结
MiroFish是什么？
MiroFish是一个开源的群体智能预测引擎，通过构建高保真平行数字世界实现宏观与行业趋势推演。其技术架构深度融合时序GraphRAG、多智能体系统与OASIS仿真引擎，能够基于用户上传的“种子材料”自动生成具备独立人格、长期记忆与行为逻辑的AI智能体，在虚拟社交平台中并行演化并涌现群体行为模式。不同于传统统计回归工具，MiroFish核心创新在于将知识图谱中的实体转化为数字孪生Agent，通过双轨仿真环境推演复杂决策场景，最终生成包含事件脉络、风险预警与策略建议的结构化预测报告。
黄金2026年走势预测案例
基于涵盖八项材料的“种子文件”，系统构建了包含政府部门、金融机构、专家等60个Agent的仿真社会，经72轮跨平台互动推演，形成黄金2026年走势的模型输出结果。流程验证了图谱构建、人设初始化、双轨仿真到报告生成的自动化能力，但也暴露出封闭环境的局限——当输入信息存在偏差时，Agent会持续强化错误认知，仅能通过后续对话补充事实信息进行有限修正。
MiroFish能力测评
基础能力测评
MiroFish展现出优秀的知识图谱构建与多维度叙事能力，但在预测精确性上未显著超越联网LLM。在黄金走势预测案例中，模型虽然逻辑深度更高，但从投资建议实用性维度未显著超越Kimi K2.5联网下的回答。基础能力测试显示，得益于Zep Cloud的时序关系记忆服务，系统在Agent人格设计、端到端流程自动化及多元视角模拟方面表现突出。
金融任务测评
金融任务测评涵盖AI产业政策、大类资产配置、地缘冲突推演与科技路径预测四大场景，证明其在政策影响分析、产业链传导路径研判等需要反复推敲的宏观研究领域具有独特价值。
基模型效果测评
Claude Opus 4.6在因果推演、结构化分析方面表现更优，而Qwen 3.5-plus在数据密度与结论具象化上更具优势。
总结
MiroFish作为群体智能引擎已经实现了AI群体交互涌现的基本架构，但其生成的智能体层次丰富多元，架构清晰合理，但交互次数和深度由于token成本约束较难做到大规模模拟下的效果，且Agent细节现阶段无法达到“数字孪生”水平的精细度，整体适用于对精确度要求并不那么高的模拟预测。MiroFish的封闭模拟环境使得其对“种子文件”中的偏误信息容易持续放大影响，对“种子文件”准确性和完整性有着较高要求，但MiroFish通过大规模Agent模拟可以达到较强的叙事性，逻辑闭环更强，比较适合对于分析逻辑的启发、查漏、推演。在金融任务中，MiroFish依然有其自身的优势，适用于宏观研究中的政策影响分析、资产驱动分析等需要反复推敲的研究，也适用于产业趋势研究中对于技术路线、价值链中各种可能性的详细排查。
风险提示
1）模型存在信息封闭性与推演偏差风险。MiroFish采用封闭环境模拟，无法自主检索外部信息验证“种子文件”准确性，若输入材料存在事实错误或信息缺口，Agent交互可能持续放大偏差形成“逻辑自洽但事实错误”的群体幻觉；同时智能体涌现行为具有随机性，可能产生情绪化或非理性一致性偏差。
2）文中AI生成的分析与结论不代表我司任何观点和投资建议。文中场景推演结果和模型测评结果由AI模型生成，仅供测试参考，任何情况下不代表国联民生证券的观点和意见；或有AI生成内容错误等风险；任何情况下，AI输出结果均不构成投资建议。
