v0.1.2 기준
IT/AI
MiroFish, 예측이 맞다고요?
이 비용 먼저 보세요
GitHub 글로벌 트렌딩 1위. 출시 24시간 만에 약 57억 원 투자 유치.
이 숫자만 보면 MiroFish가 무조건 대단한 것처럼 느껴집니다.
근데 실제로 돌려보면 얘기가 달라집니다. 비용부터요.
MiroFish가 도대체 뭔데 이렇게 뜬 건가요
MiroFish는 중국 베이징의 20살 대학생 궈항장(郭航江)이 10일 만에 만든 오픈소스 군집 지능(Swarm Intelligence) 시뮬레이션 엔진입니다. 2026년 3월 초 GitHub 글로벌 트렌딩 1위에 오르면서, OpenAI·Google·Microsoft 저장소를 순위에서 밀어냈습니다. (출처: agentnativedev.medium.com, 2026.03.16)
작동 방식은 단순하지 않습니다. 하나의 AI 모델에게 “이게 어떻게 될 것 같아?”라고 묻는 게 아니라, 수천 명의 AI 에이전트가 각자 고유한 성격·기억·사회 관계를 가지고 가상 사회 안에서 서로 반응하게 만듭니다. 그 집단 행동에서 나오는 패턴을 예측 결과로 삼는 구조입니다.
프로젝트 구조는 Vue 기반 프런트엔드 + Python/FastAPI 백엔드 + GraphRAG 기반 지식 그래프 + Zep Cloud 장기 기억 시스템으로 구성되어 있습니다. 핵심 시뮬레이션 엔진은 CAMEL-AI의 오픈소스 멀티 에이전트 프레임워크 OASIS 위에 구축되었습니다. (출처: github.com/666ghj/MiroFish)
5단계 시뮬레이션 파이프라인 — 실제로 어떻게 돌아가나요
MiroFish에 뭔가를 예측하려면 먼저 시드(seed) 자료를 넣어야 합니다. 뉴스 기사, 정책 초안, 재무 보고서, 소설 텍스트 등 무엇이든 됩니다. 이걸 넣으면 총 5단계 파이프라인이 자동으로 돌아갑니다.
| 단계 | 작업 | 핵심 기술 |
|---|---|---|
| 1. 그래프 구축 | 시드 자료에서 엔티티·관계 추출 | GraphRAG |
| 2. 세계 생성 | 에이전트 페르소나·소셜 네트워크 생성 | Environment Config Agent |
| 3. 시뮬레이션 실행 | 수천 에이전트 병렬 상호작용·기억 갱신 | OASIS + Zep Cloud |
| 4. 보고서 생성 | 창발 패턴 분석·예측 보고서 출력 | Report Agent |
| 5. 심층 상호작용 | 개별 에이전트와 직접 대화·추가 질의 | 대화형 쿼리 레이어 |
가장 인상적인 데모가 하나 있습니다. 중국 4대 고전 소설 『홍루몽』 앞 80회를 넣고, 역사적으로 유실된 뒷이야기를 시뮬레이션한 케이스입니다. 작가가 쓴 것도, 단일 AI가 생성한 것도 아니고 — 수천 에이전트가 캐릭터 성격·관계를 기반으로 상호작용하면서 ‘창발적으로’ 만들어낸 결과물입니다. (출처: beitroot.co, 2026.03)
비용 계산을 직접 해봤습니다 — 생각보다 많이 나옵니다
MiroFish가 “오픈소스”라 공짜라고 생각하면 실제로 돌리다가 멈추게 됩니다. 오픈소스는 소프트웨어가 무료라는 뜻이지, LLM API 호출 비용이 무료라는 뜻이 아닙니다. 에이전트 1,000명이 50라운드를 돌면, 기본 계산으로 LLM 호출이 최소 5만 번 발생합니다. 그게 비용으로 어떻게 잡히는지 공식 문서(beitroot.co, 2026.03)의 수치로 직접 보면 이렇습니다.
| 시나리오 | 에이전트 수 | 라운드 | 추정 비용(USD) |
|---|---|---|---|
| 가벼운 프로토타입 | 50 | 20 | $0.50~$2 |
| 표준 분석 실행 | 500 | 40 | $8~$25 |
| 풀 시뮬레이션 | 1,000 | 100 | $40~$120 |
| 대규모 엔터프라이즈 | 2,000+ | 200+ | $200~$800+ |
| 절약 옵션 (DeepSeek/Gemini Flash) | 1,000 | 100 | $5~$20 |
‘예측 AI’라는 말이 불편한 이유가 있습니다
MiroFish의 슬로건은 “Predicting Anything(무엇이든 예측)”입니다. 근데 실제로는 아직 예측 정확도를 공식적으로 검증한 결과가 없습니다. 공식 GitHub 저장소(github.com/666ghj/MiroFish) 및 beitroot.co 분석(2026.03) 모두 “시뮬레이션 결과를 실제 결과와 백테스트한 공식 벤치마크는 아직 존재하지 않는다”고 명시합니다.
더 중요한 구조적 한계가 있습니다. 똑같은 입력을 넣어도 두 번의 시뮬레이션 결과가 동일하지 않습니다. 에이전트 간 상호작용이 확률적으로 작동하기 때문입니다. 이건 철학적으로는 실제 사회와 닮아 있지만, “재현 가능한 예측”이 필요한 비즈니스 환경에서는 약점이 됩니다.
그러나 여기서 반전이 하나 있습니다. 어떤 개발자가 MiroFish를 Polymarket 예측 시장 트레이딩 봇에 연결하여 거래당 2,847명의 디지털 인간을 시뮬레이션한 결과 338회 거래에서 $4,266의 수익을 보고했습니다. (출처: agentnativedev.medium.com, 2026.03.16) 공식 정확도 검증은 없지만, 실제 적용 사례에서 유의미한 신호가 나오고 있다는 점은 부정하기 어렵습니다.
한국에서 실제로 쓸 수 있는 시나리오
MiroFish는 원래 중국어 기반으로 개발됐습니다. 그러나 한국인 연구자 정병기(ByeongkiJeong) 박사가 별도 한국어 포크 MiroFish-Ko(github.com/ByeongkiJeong/MiroFish-Ko)를 공개했습니다. 박사 학위 연구 주제이기도 했던 소셜 시뮬레이션을 한국어 환경에서 바로 쓸 수 있도록 이식한 버전입니다.
실제로 한국 맥락에서 의미 있는 활용처를 생각해보면 다음 세 가지가 떠오릅니다.
- 정책 발표 전 여론 반응 시뮬레이션 — 정부 부처나 지방자치단체가 정책 초안을 공개하기 전, 다양한 시민 집단의 반응을 에이전트 시뮬레이션으로 미리 탐색할 수 있습니다.
- 기업 위기 커뮤니케이션 시나리오 플래닝 — PR 위기 상황에서 어떤 입장문이 어떤 반응을 만들지, 여러 시나리오를 낮은 비용으로 비교해볼 수 있습니다.
- 미디어·콘텐츠 산업의 수용자 반응 예측 — 드라마 결말이나 예능 포맷 변경이 팬덤에 어떻게 퍼질지 시뮬레이션하는 방식입니다.
오픈소스지만 공짜가 아닌 이유
MiroFish를 실제로 운영하려면 LLM API 비용 외에 Zep Cloud 장기 기억 시스템 비용도 고려해야 합니다. 소규모 실험에는 무료 티어로 충분하지만, 수천 에이전트가 기억을 누적하는 대규모 운용에서는 월 $50~$200 수준의 유료 플랜이 필요합니다. (출처: beitroot.co, 2026.03)
라이선스도 짚어둘 게 있습니다. MiroFish는 AGPL 3.0 라이선스입니다. 코드를 수정해서 그대로 배포하면 수정 내역을 오픈소스로 공개해야 합니다. 단, 수정 없이 호스팅해서 서비스로 판매하는 것은 이 의무가 트리거되지 않습니다. 상업적 활용을 고려한다면 이 차이를 정확히 알고 진행해야 합니다.
또 하나 실용적인 한계는 macOS 최적화 문제입니다. 현재 v0.1.2 기준으로 Windows 호환성은 테스트 중 단계입니다. 공식 저장소에도 이 부분이 별도 고지되어 있습니다. (출처: blocmates.com, 2026.03)
Q&A
마치며
MiroFish는 분명히 흥미로운 프로젝트입니다. 20살 대학생이 10일 만에 만들어 GitHub 글로벌 트렌딩 1위를 찍고, 하루 만에 57억 원 투자를 받은 건 부정할 수 없는 사실입니다. 군집 지능을 예측 도구로 쓰겠다는 발상 자체가 신선합니다.
그러나 현실도 같이 봐야 합니다. 정확도 검증 없음, 대규모 실행 시 높은 LLM 비용, Windows 호환 미완성, 영어 문서 부족 — 이게 2026년 3월 현재 v0.1.2의 실제 상태입니다.
써볼 생각이라면 DeepSeek V3 같은 저렴한 OpenAI 호환 모델로 소규모부터 시작하는 게 맞습니다. “무엇이든 예측”이라는 슬로건보다는 “생각하지 못한 시나리오를 찾는 도구”라는 마음으로 접근할 때 실망이 없습니다.
📎 본 포스팅 참고 자료
본 포스팅은 2026년 3월 26일 기준 MiroFish v0.1.2를 토대로 작성되었습니다.
본 포스팅 작성 이후 서비스 정책·UI·기능이 변경될 수 있습니다.
LLM API 비용은 각 제공사의 요금 정책 변경에 따라 달라질 수 있습니다.
댓글 남기기