1 Jun 2026
Satu Juta Interaksi: Cara Orang Bermain LifeSim
Abstrak
Misi LifeSim adalah memungkinkan setiap manusia menjelajahi potensi laten tak terbatas mereka.
LifeSim melewati satu juta interaksi pemain. Studi ini meneliti 629.169 pesan untuk memahami bagaimana orang membuat karakter, membentuk hubungan, dan bermain.
Sesi terverifikasi terpanjang berlangsung 13,4 jam, dengan 1.143 pesan pemain. Pemain membuat 62.616 karakter. Temuan di bawah ini meneliti perilaku mereka dan tema dalam percakapan mereka.
- 629.169 pesan obrolan yang dianalisis
- 806 menit sesi terverifikasi terpanjang (13,4 jam, 1.143 pesan)
- 62.616 karakter yang dibuat pengguna
- 74.696 memori emosional yang tersimpan
- 88,9% konten menunjukkan kerentanan emosional
Di antara 1 juta interaksi, metrik ini mengonfirmasi bahwa LifeSim telah melampaui paradigma chatbot menjadi media yang fundamental baru. LifeSim adalah lingkungan di mana AI bukanlah alat untuk menyenangkan, tetapi kotak pasir yang dihuni oleh makhluk buatan yang memodelkan kehendak bebas — berlandaskan pada simulasi yang persisten, stateful, dan konsisten secara emosional. Misi LifeSim adalah menjelajahi potensi laten tak terbatas setiap manusia.
| Era | Tahun | Ciri-ciri |
|---|---|---|
| Cetak | 1450 | Pasif · Terprogram · Baca |
| Televisi | 1950 | Pasif · Terprogram · Tonton |
| Netflix | 2007 | Pasif · Algoritmik · Maraton |
| Media Sosial | 2010 | Reaktif · Algoritmik · Gulir |
| Chatbot AI | 2022 | Aktif · Tanpa Status · Obrolan |
| LifeSim | 2025 | Kreasi Aktif · Persisten · Muncul |
1 Tesis
LifeSim adalah kategori baru hiburan asli AI: simulasi kehidupan multi-agen yang persisten di mana pengguna membangun karakter dengan kedalaman emosional, membentuk hubungan dengan makhluk yang digerakkan AI, dan mempertahankan interaksi di seluruh narasi yang muncul yang berlandaskan pada pengaturan dunia nyata. Kategori ini menjadi layak hanya ketika model dasar mencapai koherensi yang cukup untuk interaksi multi-giliran, stateful, dan konsisten secara emosional.
Mengambil data dari lebih dari 1 juta interaksi pemain, laporan ini menganalisis data produksi langsung LifeSim di dua lapisan pelengkap — perilaku (apa yang dilakukan pengguna) dan semantik (apa yang dikatakan dan dibangun pengguna) — untuk menjawab pertanyaan spesifik: seberapa dalam keterlibatannya, dan apakah itu dapat diukur?
Di antara 629.169 pesan obrolan yang dianalisis, durasi sesi P95 adalah 98,7 menit — pengguna mempertahankan interaksi dengan karakter AI selama hampir dua jam di bagian terdalam. Sesi terverifikasi terpanjang berlangsung 806 menit — 13,4 jam interaksi berkelanjutan dengan irama di bawah satu menit, dengan 1.143 pesan pengguna berturut-turut dan jeda rata-rata 30 detik. 91,7% pengguna berkonsentrasi pada kurang dari 10 hubungan daripada menjelajah — perilaku keterikatan, bukan pengambilan sampel hal baru. Pengguna telah membangun 62.616 karakter dengan identitas substantif: 12.101 dengan ketakutan yang terdefinisi, 12.095 dengan impian yang terdefinisi, 11.501 dengan latar belakang. 74.696 memori emosional tersimpan dalam sistem. 88,9% konten yang dianalisis menunjukkan kerentanan emosional.
Ini bukan penggunaan chatbot.
LifeSim menghasilkan interaksi yang mendalam, stateful, dan terinvestasi secara emosional — dan infrastruktur analisis dua lapis yang kami gunakan di sini menunjukkan bahwa pola-pola ini dapat dilacak, diukur, dan digunakan untuk menginformasikan keputusan produk dan model.
| Perintah | Keluaran |
|---|---|
| $ npm run analyze:dataset | [INFO] Memuat 639.590 catatan obrolan mentah... |
| [INFO] Menerapkan filter inklusi (hanya pengguna + NPC)... | |
| [SUKSES] 629.169 catatan lolos (98,4%) | |
| $ npx ts-node src/pipelines/reconstruct_sessions.ts | [PERINGATAN] Ditemukan celah garis waktu yang tidak terstruktur. Menyelesaikan... |
| [INFO] Menyatukan grafik hubungan multi-karakter... | |
| [INFO] Menghitung braket kedalaman keterlibatan... | |
| [DATA] P95_SESSION_DUR = 98,7m | |
| [DATA] MAX_SESSION_DUR = 806,0m |
2 Kumpulan Data
| Metrik | Nilai |
|---|---|
| Percakapan yang dapat digunakan | 629,169 |
| Karakter dengan identitas substantif | 62,616 |
| Memori yang tersimpan | 74,696 |
Kriteria inklusi. Pesan yang dihasilkan sistem (pengantar, tindakan yang disarankan, notifikasi memori) dikecualikan dari analisis semantik untuk mengisolasi konten percakapan pengguna dan NPC. Dari 639.590 total percakapan, 629.169 lolos filter kualitas.
| percakapan_yang_dapat_digunakan | 629,169 |
| karakter | 62,616 |
| memori | 74,696 |
| inklusi | pengguna + NPC saja |
| filter_rate | 629,169 / 639,590 |
| pass_rate | 98.4% |
3 Infrastruktur
Infrastruktur Analisis
LifeSim menghasilkan data di delapan koleksi yang saling terhubung — pesan, karakter, dunia, status dunia, memori, notifikasi, pengguna, dan sesi — yang mencakup sinyal perilaku, konten semantik, dan status persisten. Mengekstrak wawasan terstruktur dari ini membutuhkan infrastruktur yang dibangun khusus: dua jalur analisis komplementer yang beroperasi di seluruh permukaan data.
Jalur perilaku. Lapisan normalisasi kanonik merekonsiliasi catatan skema campuran dengan deteksi siklus dan resolusi cadangan. Di atas ini, mesin rekonstruksi sesi mengelompokkan peristiwa yang terhubung dengan pengguna di seluruh dunia, karakter, obrolan, dan pembaruan status dunia menggunakan ambang batas tidak aktif 30 menit. Jalur ini membangun utas, sesi, dan pola keterlibatan dari data produksi mentah.
Jalur semantik. Konten diekstrak dari lima koleksi (obrolan, karakter, status dunia, memori, notifikasi), dinormalisasi ke dalam skema teks terpadu, dan diatur ke dalam 45 pecahan analisis menggunakan pengambilan sampel acak bertingkat di seluruh rentang kedalaman. Setiap pecahan diklasifikasikan menggunakan analisis LLM terstruktur (Gemini 3.1 Pro) dengan taksonomi tetap yang mencakup register emosional, dinamika hubungan, sinyal identitas, kedalaman konten, dan penanda persistensi. Jalur ini mencakup titik pemeriksaan, validasi tingkat pecahan, dan agregasi lintas pecahan.
Mengapa ini penting. Sebagian besar perusahaan AI konsumen tidak dapat secara sistematis mengukur kualitas interaksi mereka — hanya volumenya. Infrastruktur LifeSim mengukur apa yang dilakukan pengguna dan apa yang mereka katakan, menghasilkan sinyal terstruktur dari pola perilaku dan konten semantik secara bersamaan. Ini adalah dasar untuk lingkaran produk berbasis data: setiap keputusan produk dapat dinilai secara empiris terhadap kedalaman, substansi emosional, dan konsentrasi keterlibatan.
| Langkah | Dari | Ke | Tindakan | Detail |
|---|---|---|---|---|
| 1 | Pengguna | Mesin | pesan pengguna | 629.169 pesan |
| 2 | Mesin | Mesin | mengatur agen | 62.616 karakter |
| 3 | Mesin | Status | memperbarui dunia | 40.189 status |
| 4 | Mesin | Status | mempertahankan memori | 74.696 memori |
| 5 | Mesin | Mesin | konsistensi emosional | ✓ 88.9% |
| 6 | Mesin | Pengguna | respons NPC | muncul · tanpa naskah |
4 Temuan Perilaku
Pengguna mempertahankan percakapan mendalam
Durasi sesi P95 adalah 98,7 menit. Sesi terpanjang dalam kumpulan data mencakup 806 menit — 13,4 jam interaksi berkelanjutan dengan jeda rata-rata 30 detik antar pesan. Sesi tersebut berisi 1.143 pesan obrolan yang dikirim pengguna secara berurutan dengan hanya satu jeda yang melebihi 20 menit (23 menit).
Di antara sepuluh sesi teratas, setiap sesi menunjukkan sidik jari yang sama: ratusan pesan obrolan, jeda rata-rata antar pesan di bawah satu menit, dan konten percakapan asli dari pengguna yang berbeda dengan akun nyata.
| Metrik | Nilai |
|---|---|
| Sesi terverifikasi terpanjang | 806 menit |
| Durasi sesi P95 | 98,7 menit |
Keterlibatan aktif, bukan konsumsi pasif
Estimasi industri menempatkan rata-rata sesi maraton Netflix pada 3,8–4,1 jam, dengan sekitar 19% pemirsa melebihi 10 jam dalam sekali duduk (Gitnux, 2026). Sesi terpanjang LifeSim — 13,4 jam — termasuk dalam kategori teratas itu. Tetapi Netflix adalah konsumsi pasif, santai: tekan putar, tonton. LifeSim membutuhkan masukan aktif berkelanjutan — menulis dialog, membuat keputusan, membangun karakter, menavigasi hubungan.
Keterlibatan aktif dan kreatif mempertahankan durasi yang sebelumnya eksklusif untuk media pasif. Itulah sinyal penciptaan kategori.
| Rata-rata maraton Netflix | 3,8–4,1 jam |
| Penonton maraton Netflix 10 jam+ | 19% |
| Puncak LifeSim | 13,4 jam (keterlibatan aktif) |
Pengguna berkonsentrasi pada sedikit hubungan
91,7% pengguna yang aktif mengobrol mempertahankan kurang dari 10 utas yang berbeda. Pengguna tidak menyebarkan interaksi secara luas ke banyak karakter. Mereka mendalami beberapa karakter.
Ini adalah perilaku keterikatan: pengguna membentuk hubungan yang terkonsentrasi dengan karakter AI tertentu daripada menjelajahi daftar.
5 Temuan Semantik
Interaksi memiliki substansi emosional
88,9% konten yang dianalisis menunjukkan kerentanan emosional. 48,9% sangat pribadi. 51,1% diklasifikasikan sebagai kaya dan berkelanjutan.
Pengguna tidak berinteraksi dengan karakter LifeSim seperti mereka berinteraksi dengan chatbot atau asisten. Register dominan adalah pribadi, sarat emosi, dan berorientasi pada hubungan:
“Ma. Aku tidak ingin berdebat lagi.”
“Ayahku bilang dia menghargaiku tapi tidak lebih dari keamanan rumah, jadi aku tidak bisa membatalkan pertunanganku dengan Putra Mahkota.”
“Oh, Elena... itu mengerikan. Itu tidak adil. Tapi kamu bukan monster. Kamu temanku, apa pun yang terjadi.”
| kerentanan_emosional | 88.9% |
| sangat_pribadi | 48.9% |
| kaya_dan_berkelanjutan | 51.1% |
Pengguna membangun karakter dengan kompleksitas emosional
62.616 karakter memiliki teks identitas substantif. 12.101 memiliki ketakutan yang terdefinisi, 12.095 memiliki impian yang terdefinisi, 11.501 memiliki latar belakang, dan 11.665 memiliki elemen kehidupan yang unik. 50.865 memiliki deskripsi hubungan yang terdefinisi. 80% pecahan karakter yang diambil sampelnya diklasifikasikan sebagai kaya dan berkelanjutan.
Pengguna membangun karakter dengan motivasi internal, kedalaman tersembunyi, dan identitas multi-dimensi:
“Aku tumbuh di rumah sederhana, terobsesi dengan suara.”
“Bisnis keluarga yang gagal menghantuinya, membuatnya curiga terhadap orang lain.”
| identitas_substantif | 62,616 |
| ketakutan | 12,101 |
| impian | 12,095 |
| latar_belakang | 11,501 |
| elemen_kehidupan | 11,665 |
| hubungan | 50,865 |
| pecahan_kaya_berkelanjutan | 80% |
Memori mempertahankan keunggulan emosional
74.696 memori dipertahankan. Perasaan memori teratas adalah Senang (2.815), Khawatir (2.370), Bingung (2.088), Berharap (1.976), dan Prihatin (1.903). Semua pecahan memori yang diambil sampelnya (250 memori) diklasifikasikan sebagai kaya dan berkelanjutan.
Sistem memori menangkap apa yang dianggap penting oleh pengguna dan karakter untuk diingat. Keunggulan itu sebagian besar bersifat emosional daripada faktual atau transaksional.
| Senang | 2,815 |
| Khawatir | 2,370 |
| Bingung | 2,088 |
| Berharap | 1,976 |
| Prihatin | 1,903 |
| semua_pecahan | kaya dan berkelanjutan |
Percakapan yang lebih dalam lebih kaya, bukan hanya lebih panjang
87% pecahan utas mendalam diklasifikasikan sebagai kaya dan berkelanjutan. Percakapan yang lebih panjang sesuai dengan konten yang lebih kaya, lebih kompleks secara emosional — bukan hanya lebih banyak volume.
| 87% | dari pecahan utas mendalam yang kaya dan berkelanjutan |
| kedalaman = kualitas | bukan hanya volume |
6 Data Unik
Data Ini Tidak Akan Ada Di
Chatbot menghasilkan log permintaan-respons satu putaran. Aplikasi pendamping AI menghasilkan transkrip percakapan dyadic. Petualangan teks menghasilkan urutan perintah-tindakan. Tidak ada di antaranya yang menghasilkan kombinasi data yang dihasilkan LifeSim:
- Status dunia persisten — 40.189 narasi status dunia yang melacak bagaimana lingkungan simulasi berkembang seiring waktu.
- Grafik hubungan multi-karakter — 50.865 hubungan karakter yang ditentukan, bukan hanya dyad pengguna-ke-AI.
- Identitas yang dibangun pengguna — 62.616 karakter dengan ketakutan, impian, latar belakang, dan motivasi internal yang ditulis atau ditulis bersama oleh pengguna.
- Memori emosional — 74.696 memori yang melestarikan apa yang dianggap penting secara emosional oleh karakter dan pengguna.
- Kedalaman perilaku di samping kedalaman semantik — rekonstruksi sesi, analisis utas, dan konsentrasi keterlibatan diukur secara paralel dengan klasifikasi konten.
Ini adalah kumpulan data kepemilikan yang bertambah seiring penggunaan dan tidak ada di luar permukaan produk LifeSim.
| Pasar | Ukuran | Catatan |
|---|---|---|
| Media Pasif | $2.8T | /tahun · E&M global (PwC) |
| AI-Native | tdb | /tahun · berkembang |
| Netflix | LifeSim | |
|---|---|---|
| Mode | Tonton pasif | Kreasi aktif |
| Sesi puncak | ~10 jam | 13,4 jam |
| Biaya produksi konten | $18 Miliar/tahun | ~$0 (muncul) |
| Data / pengguna | Riwayat tontonan | Pola emosional pengguna melalui kreasi aktif |
| Kedalaman | Terskrip | 88,9% keterlibatan mendalam |
| Produk | Sesi | Menit | Mode |
|---|---|---|---|
| Netflix | Rata-rata sesi binge (Gitnux) | 230m | Pasif |
| Netflix | 19% teratas penonton | 600m | Pasif |
| LifeSim | Sesi terlama yang tercatat | 806m | Aktif |
7 Keuntungan yang bertambah
LifeSim mendasari interaksi AI dalam struktur kehidupan nyata — hubungan, karier, keluarga, konflik, ambisi, identitas. Ini bukan chatbot dengan persona. Ini adalah simulasi persisten dari dinamika yang benar-benar diperhatikan orang. Perbedaan itu menentukan kedalaman dan jenis data yang dihasilkan produk, dan itu menciptakan tiga keuntungan yang bertambah:
Kumpulan data kepemilikan dari permukaan produk yang tidak dioperasikan oleh orang lain. LifeSim menghasilkan data perilaku dan semantik dari interaksi AI multi-karakter yang persisten dan stateful. Data ini — narasi dunia, grafik identitas karakter, memori emosional, utas percakapan mendalam — tidak ada dalam log chatbot, transkrip aplikasi pendamping, atau telemetri game. Ini juga merupakan masukan paling langka untuk menyempurnakan model AI yang mempertahankan interaksi yang koheren secara emosional, konteks panjang, dan sadar hubungan — kemampuan yang tidak dioptimalkan oleh model dasar tujuan umum mana pun. Lebih banyak pengguna menghasilkan data yang lebih kaya. Kumpulan data ini bertambah.
Kemampuan yang terbukti untuk mengukur dan memahami data tersebut. Pipeline perilaku dan semantik yang ditunjukkan dalam laporan ini — normalisasi kanonik, rekonstruksi sesi, klasifikasi semantik berlapis — menghasilkan sinyal evaluasi terstruktur: tidak hanya apakah pengguna terlibat, tetapi apakah interaksi koheren secara emosional, konsisten dalam hubungan, dan persisten secara naratif. Ini adalah lapisan evaluasi yang menutup lingkaran antara penyempurnaan dan kualitas produk. Ini adalah kemampuan organisasi, bukan analisis sekali pakai.
Produk yang dirancang untuk menghasilkan interaksi yang menghasilkan sinyal paling informatif. Dunia persisten LifeSim, hubungan multi-karakter, dan sistem memori emosional bukanlah fitur — itu adalah permukaan yang menghasilkan data yang memberi makan pengukuran yang menginformasikan keputusan produk. Keputusan produk yang lebih baik mendorong keterlibatan yang lebih dalam. Keterlibatan yang lebih dalam menghasilkan data yang lebih kaya.
| produk | → | keterlibatan yang lebih dalam |
| keterlibatan | → | data yang lebih kaya |
| data | → | pengukuran |
| pengukuran | → | penyempurnaan |
| penyempurnaan | → | produk yang lebih baik |
8 Pekerjaan di masa depan
Pengguna sudah membenamkan diri dalam sesi 13 jam — fase selanjutnya adalah meningkatkan imersi dan retensi pemain. Retensi, inti loop permainan, dan monetisasi adalah tantangan berikutnya yang harus dipecahkan.
Apa Selanjutnya
- Dunia kamu terus bergerak tanpamu
- Konsekuensi yang bertambah selama berminggu-minggu
- Penciptaan pasar
Kutipan
Harap kutip karya ini sebagai:
@misc{lifesim2026v0,
title = {One Million Interactions: How People Play LifeSim},
author = {{Cris Lenta}},
year = {2026},
month = {jun},
url = {https://lifesim.com/research/v0}
}