MatrAIx é uma infraestrutura em escala populacional e orientada a personas para avaliar sistemas de IA e produtos interativos com usuários simulados heterogêneos. Em vez de testar contra um usuário genérico ou intercambiável, o MatrAIx instancia registros de persona amostrados como agentes LLM e os executa em tarefas reproduzíveis em quatro ambientes — Survey, AI Chatbot, Web e App (desktop e mobile nativos, incluindo macOS e iOS).

Na base há um schema compartilhado de 1.290 dimensões categóricas que cobrem histórico, psicologia, capacidade e comportamento. As personas combinam geração sintética sensível a dependências com grounding humano baseado em evidências; um coreset determinístico e filtrado por qualidade de um milhão de personas é publicado para pesquisa no Hugging Face. Telemetria compartilhada, verificação própria de cada tarefa e relatórios conectam respostas e trajetórias individuais a achados em nível de subgrupo e população.

O nome remete a The Matrix: um mundo simulado útil para exploração, testes de estresse e geração de hipóteses — não um substituto para evidências de pessoas reais.

• Comentário acadêmico — Can We Simulate the World? — Mayank Kejriwal (AI Scientist)
• Seleção de pesquisa — Destaque no Hugging Face Papers (Papers do dia, 2026-08-10)
• Mídia — Forbes · NZZ am Sonntag · AI Era (via 36Kr) · Numerama · Infobae · HispanicAd · AI Times · Startup Fortune · Forbes Turquia · WIRED Tchéquia
• Comentário da indústria — Discutido pelo vice-presidente e CTO da Cisco Gianpaolo Barozzi
• Redes — Destaque como história em tendência no X

• [2026-08-04] Relatório técnico no arXiv: MatrAIx: Simulating the World with 8.3 Billion Persona Agents (2608.04205).
• [2026-08-01] Publicado o Persona 1M no Hugging Face (~1M personas filtradas por qualidade).
• [2026-07-31] Playground e biblioteca de tarefas em código aberto: MatrAIx-Persona-8B.
• [2026-07-29] Nota de posição: From Personas to Simulated Users.

• Docker
• uv e Python 3.12
• Node.js 20+ (apenas frontends do Playground / viewer)
• Chaves de API de modelo para exemplos de agentes de persona — veja agents.md

Usuários de Windows: execute tudo dentro do WSL2 — abra o PowerShell, execute wsl --install (instala o Ubuntu), depois clone este repositório dentro do sistema de arquivos do WSL (ex.: ~/MatrAIx, não /mnt/c/…, que é muito mais lento) e ative a WSL integration em Docker Desktop → Settings → Resources. A partir daí, todos os comandos deste README funcionam exatamente como estão. PowerShell/cmd nativo não é suportado (os verificadores de tarefas exigem bash).

git clone <repo-url> && cd MatrAIx
uv venv --python 3.12
uv pip install -e .
uv pip install pytest pytest-asyncio httpx
uv pip install -e packages/playground
uv pip install -e packages/harbor-langsmith
uv pip install -e packages/rewardkit

Execute jobs e tarefas com uv run matraix run …: ele configura o ambiente de lançamento completo e delega ao runtime Harbor. As utilidades do runtime (ex.: harbor view, harbor upload) continuam em uv run harbor ….

Defina a chave de API do modelo correspondente ao seu provedor antes de executar tarefas via GUI ou CLI (o teste de fumaça não precisa de chave):

export ANTHROPIC_API_KEY="sk-ant-..."   # modelos anthropic/claude-*
# export OPENAI_API_KEY="sk-..."        # modelos openai/gpt-*

Veja a matriz completa de chaves em agents.md. O Playground também pode carregar chaves de application/playground/.env.local.

O matraix-persona-dev-sample do repo (~200) destina-se apenas a testes de fumaça. Para coortes reais e amostragem no Playground, importe o 1M público:

huggingface-cli download MatrAIx2026/MatrAIx_Persona_1M_Public_Release \
  --repo-type dataset \
  --local-dir persona/datasets/matraix-persona-1m/release

Playground: Dataset → matraix-persona-1m. CLI: --dataset persona/datasets/matraix-persona-1m. Detalhes: Handbook § Persona 1M.

Após instalar, rode estas duas verificações (sem chave de API). Juntas elas confirmam o caminho padrão de Survey, Chat, Web e OS-app:

A primeira costuma terminar em segundos com Smoke: ok. A segunda constrói uma imagem local na primeira execução (alguns minutos) e grava em jobs/harbor-smoke-local/. Passos: quickstart §3.

O Playground escolhe tarefas, amostra personas e lança os mesmos jobs do Matraix Playground que o modo auto da CLI. Inicie API + frontend (dois terminais):

# Terminal A — API
VENV=.venv bash application/playground/backend/run_dev.sh

# Terminal B — frontend
cd application/playground/frontend && npm ci && npm run dev

Abra http://localhost:5173 → Playground → escolha uma coorte de personas → escolha tarefas Survey / Chat / Web / OS app → Lock pipeline → Run eval. Detalhes: Playground §10.

Desenvolver — copie uma tarefa de referência em application/tasks/, edite task.toml / instruction.md / input/ / o verificador (verifier) e registre-a no Playground (task-guide.md):

cp -R application/tasks/example-survey_product-feedback \
  application/tasks/<your-task-name>

Executar — gere um job do Matraix Playground (fixa agent + model) e execute-o:

uv run python application/scripts/generate_application_job.py \
  --task application/tasks/example-survey_product-feedback \
  --execution-mode auto \
  --persona-ids 0042 \
  --model-name anthropic/claude-sonnet-4-6

# Use as linhas de export + o caminho do recipe impressos pelo script, p.ex.:
uv run matraix run -c configs/jobs/application-task-job-recipe/example-survey-product-feedback-auto-n1.yaml

Lote (--sample-size N), filtros e exemplos chat / web / os-app: docs/quickstart.md.

MatrAIx Handbook — guias e docs de persona / application / environment.

MatrAIx/
├── persona/                 Schema, datasets, pipelines de síntese/curadoria/validação
│   ├── schema/              Schema de persona com 1.290 dimensões
│   ├── datasets/            Pool de amostras de dev e YAMLs de persona
│   ├── validation/          Suites de grounding / validação de qualidade
│   └── scripts/             Helpers de job e pipeline de persona
├── application/
│   ├── tasks/               Specs de tarefas Survey · chat · web · os-app
│   ├── task-spec/           Contratos compartilhados de tarefa
│   ├── playground/          Runner visual (API backend + frontend)
│   └── scripts/             generate_application_job.py e tooling de tarefas
├── environment/
│   ├── runtime/             Runtime do Matraix Playground
│   ├── agents/              Agentes condicionados a persona
│   ├── task-environments/   Imagens Docker / sidecars
│   └── adapters/            Adaptadores externos (ex.: SimpleQA)
├── packages/                playground · rewardkit · harbor-langsmith
├── apps/viewer/             Frontend pareado com `harbor view`
├── configs/jobs/            Recipes de job do Matraix Playground (curados e gerados)
├── docs/                    Handbook — persona/ · application/ · environment/
├── examples/                Tarefas de exemplo mínimas
├── src/matraix/             Entry points do pacote Python
├── scripts/                 Helpers no nível do repositório
├── tests/                   Testes unitários / de ambiente
└── jobs/                    Saídas locais do Matraix Playground (gitignored)

Datasets grandes gerados ficam fora do git (veja o release no Hugging Face acima).

1. Entre no Discord — nickname Full Name - Affiliation. Preencha o Google Form (histórico, interesses, autoria / agradecimentos em papers).
2. Diga oi! Gostamos de conectar pessoas com interesses ou experiências em comum!
3. Participe da comunidade de pesquisa MatrAIx para colaboração ou contribuição!

Se você usar MatrAIx, o dataset Persona 1M ou resultados deste repositório, cite:

@article{li2026matraix,
  title         = {MatrAIx: Simulating the World with 8.3 Billion Persona Agents},
  author        = {Li, Xiaomin and Hao, Yuexing and Hou, Jianheng and Huang, Jintao
                   and Wen, Qianfeng and Huang, Shirley and Liu, Yifan and Liu, Xiaoyi
                   and Fan, Yilan and Wang, Yijun and others},
  year          = {2026},
  eprint        = {2608.04205},
  archivePrefix = {arXiv},
  primaryClass  = {cs.AI},
  url           = {https://arxiv.org/abs/2608.04205}
}

Artigo: arXiv:2608.04205 · Autores completos: GitHub Cite this repository (CITATION.cff) · Dataset: Persona 1M on Hugging Face.

MIT — veja LICENSE.