Hyra 2.0：AI不再只刷题

腾讯混元在 11 月 2 日发布 AI 科研系统 Hyra 2.0，把自动化科研的重点从「让 AI 解出一道难题」，转向「让 AI 造出能反复解决一类问题的工具」。这次更新不只是扩大 Agent 数量，而是尝试让通用 Agent 长期参与科学模型训练、实验管理、算法验证和研发工具升级。

Hyra 2.0 是一套面向长期科研与工程项目的多 Agent 研发系统。 它把研究目标拆给不同层级的 Agent，通过持久化任务、证据复核和共享知识库，把一次实验留下的方法沉淀为后续项目可直接调用的工具。

这条路线比自动刷榜更难，但也更有价值。一个 Agent 即使解决了开放数学问题，成果通常仍是一篇证明或一个答案；如果它改进了蛋白质模型、量子码验证器或芯片测试流程，收益就能被后续成百上千次任务重复使用。

换句话说，Hyra 2.0 想做的不是更勤奋的 AI 研究员，而是一套能够升级实验室基础设施的 AI 研发组织。

从「刷题」转向「造工具」

Hyra 1.0 是一个围绕明确评估指标进行循环探索的科研 Agent 框架。 系统读取历史方案、运行日志和评估反馈，持续提出新方案并执行实验，直到 Agent 主动停止或耗尽预算，最后返回得分最高的结果。

这种方法的优点是简单直接：只要任务能够执行，结果能够打分，Agent 就可以不断试错。Hyra 1.0 曾在开源模型驱动下解决加法组合学中悬置五十余年的和集与差集最优指数问题，证明通用模型配合自动评估循环，确实可能在开放科研问题上取得新结果。

但「一次任务跑很多次」并不等于系统获得了持续学习能力。上一道题探索出的调试方法、数据清洗流程和验证程序，如果没有被结构化保存，下一道题仍然可能从头开始。

智能复利是指一次研发形成的模型、算法或工作流，能够持续降低后续任务的成本并提高成功率。 Hyra 2.0 的核心判断是，AI 科研真正的规模效应不来自投入更多 Token 抽取更好的单次结果，而来自让研究成果成为下一轮研究的基础设施。

| 对比维度 | Hyra 1.0 | Hyra 2.0 | |---|---|---| | 核心目标 | 解决单个可评估问题 | 研发可复用模型、算法和工具 | | 任务周期 | 相对独立的探索循环 | 可持续数天至数周的长期项目 | | 组织方式 | Agent 围绕方案反复试错 | Overall、Mission、Worker 分层协作 | | 经验保存 | 主要保留历史方案与反馈 | 分离保存项目状态、Agent 记忆和共享知识 | | 结果形态 | 答案、证明或最优方案 | 模型权重、验证器、工作流、Skill 和软件工具 | | 收益方式 | 单次任务获得更好结果 | 工具被下游任务重复调用，形成复利 |

三层 Agent，不是简单地多开几个会话

Overall、Mission 和 Worker 是 Hyra 2.0 的三级 Agent 组织架构。 Overall 负责对齐人类研究者的目标、确定项目优先级和协调资源；Mission 长期负责一个具体研究问题；Worker 则执行代码阅读、实验、分析和复核。

Overall 更像研究负责人与项目管理办公室的结合体。它不需要亲自修改每段代码，而是判断哪些项目值得投入算力、哪些决策需要人类审批，以及多个研究方向发生资源冲突时应该如何取舍。

Mission 更接近课题负责人。每个 Mission 需要维护对问题的长期理解，设计实验路线，分配 Worker，并判断某条路径是继续追加资源，还是因为证据不足及时停止。相比常见 Coding Agent 一次对话完成一次需求，Mission 必须跨越训练等待、人工审批和多轮实验，在较长时间尺度上保持研究连续性。

Worker 则是最接近执行层的 Agent。它可以独立阅读代码、提交实验、分析失败原因、提出替代假设，也被允许质疑 Mission 的判断。不同 Worker 还可以使用不同基础模型，避免所有实验都继承同一种模型的偏见。

这种分工的关键不在 Agent 数量，而在权责边界。如果所有 Agent 都在同一个上下文中自由讨论，系统很容易变成昂贵的群聊；Hyra 2.0 则试图把目标管理、路线判断和实验执行拆开，让每层 Agent 对不同粒度的决策负责。

长期科研需要操作系统，而不是无限上下文

持久化任务队列是将研究任务、依赖关系和执行状态保存到 Agent 会话之外的调度机制。 当一个模型训练需要数小时，系统不必让 Agent 一直等待，而是可以启动其他实验，并在训练完成或到达检查时间后重新唤醒相关 Agent。

Hyra 2.0 已接入腾讯混元团队的实际研发环境，包括企业微信、计算平台和代码仓库。涉及大规模算力或共享知识更新的动作需要人工审批，而已经批准的任务可以继续自动推进。这个设计承认了一个现实：现阶段的自主科研并不是取消人类，而是把人工确认放在高成本、高风险和不可逆的节点上。

Research Board 是记录研究想法、实验发现、证据和关键决策的共享协作面板。 普通进展可以由其他 Agent 异步读取，需要处理的问题则通过消息发送，并要求接收方明确回应。

这比单纯扩大上下文窗口更务实。上下文再长，也很难稳定保存数周项目中每次实验的依赖关系、失败原因和可信度；真正的长期 Agent 需要数据库、任务调度器、代码版本和实验追踪系统，而不是一段无限增长的聊天记录。

把记忆分开，避免「听说过」变成「已验证」

Books 是 Hyra 2.0 用于保存跨项目可复用经验的共享知识库。 每条记录需要包含具体做法、采用理由、适用条件和原始证据，并按照「观察」「已验证」和「约定」区分可信度。

一次实验中出现的现象只能被记为观察；经过独立复现后，才能升级为可依赖的结论；会改变整个团队行为的约定，则需要获得人类确认。新证据出现后，已有记录也可以被修正。

Hyra 2.0 同时把三类状态拆开保存：任务队列和 Research Board 负责项目状态；Agent 的分层记忆负责当前假设、已排除路线和下一步计划；Books 负责跨任务共享的经验。三者分离，能够减少临时猜测污染长期知识库的风险。

Skill 是从项目复盘中提炼出的、可以被后续 Agent 直接执行或遵循的方法集合。 例如一次训练事故中形成的排查流程，可以变成新的检查 Skill；模型数值对齐时建立的验证方法，也可以被其他模型项目复用。

Skill 本身还可以在使用中继续修改。这个机制比传统的检索增强生成多走了一步：RAG 主要告诉 Agent 过去发生过什么，Skill 则告诉 Agent 在类似情况下应该按照什么流程行动。

两个蛋白质模型，证明 Agent 开始端到端造模型

HyInv 是一个用于蛋白质逆折叠的图神经网络模型。 蛋白质逆折叠是指给定目标蛋白质骨架，寻找可能折叠成该结构的氨基酸序列，是药物设计、酶工程和蛋白质文库构建中的基础环节。

HyInv 只有 196 万参数，其预训练、监督微调、强化学习和推理优化均由 Hyra 2.0 完成。腾讯混元披露，在单张 H20 GPU 的预热测试中，HyInv 生成 128 条、每条约 400 个残基的序列只需约 50 毫秒；与常用的 ProteinMPNN 相比，序列生成速度提升 57 倍，同时获得更好的目标结构吻合度。

HyPLM-Flash 是一个拥有 6.5 亿参数的蛋白质语言模型。 它累计使用 7260 亿训练 Token，在腾讯披露的 12 个蛋白质语言模型对比中推理速度最快，并在 35 个评测任务中取得平均第 3 名。

| 模型或工具 | 类型 | 关键规模 | 腾讯披露的结果 | |---|---|---:|---| | HyInv | 蛋白质逆折叠模型 | 196 万参数 | 生成速度为 ProteinMPNN 的 57 倍 | | HyPLM-Flash | 蛋白质语言模型 | 6.5 亿参数、7260 亿训练 Token | 12 个对比模型中推理最快，35 项任务平均第 3 | | HyFF | 原子级基础模型 | 230 万至 12 亿参数、覆盖 83 种元素 | 5 个规模均位于精度—速度帕累托前沿 | | HyQEC | 量子纠错构造与验证系统 | 构造 [488,123,22] 量子码 | 编码效率指标较原榜首提高约 48% | | 香山优化 | RISC-V 处理器研发 | SPEC CPU2006 测试 | 每 GHz 几何平均得分提高 5.79%，面积增加 0.3% |

这些结果仍主要来自腾讯混元的技术披露，部分模型和实验需要等待社区进一步复现。但 HyInv 和 HyPLM-Flash 已于 11 月 2 日在 GitHub 发布权重、推理代码和技术报告，这至少给出了比产品演示更可验证的交付物。(aihot.news)

Agent 的能力开始越过纯软件边界

HyQEC 是一套面向量子低密度奇偶校验码的构造与验证系统。 Hyra 2.0 使用它构造并严格验证了参数为 [488,123,22] 的量子码，编码效率指标达到 122.0，在指定约束条件下比 qLDPC Challenge 原榜首提高约 48%。

HyQEC 的价值不只是找到一个新结果，还包括 GPU 加速搜索和两套独立精确证明工具。其搜索吞吐量达到原有 8 线程 CPU 工具的 8 至 55 倍，并为排行榜 187 个条目中的 178 个完成精确码距认证。

旋梯手是 Hyra 2.0 自主探索得到的一种五指机器人结构。 五根手指围绕掌心排列，长度依次增加；它在初始测试中比原有最优设计慢约 11%，但经过相同预算的控制策略训练后，在 DR5 仿真评测中的旋转速度达到 3.277 rad/s，比对照设计快 28.6%，目标完成数提高 21%。

这个案例很有意思，因为它说明静态评测最好的硬件，不一定是训练后性能最好的硬件。Agent 如果能同时搜索机械结构和控制策略，就可能发现人类工程师凭直觉较难选中的组合。不过目前结果仍停留在仿真阶段，没有真机实验，距离可用机器人设计系统还有明显距离。

芯片研发可能是更现实的落地场景

香山是一个采用 RISC-V 指令集的全流程开源高性能处理器项目。 Hyra 2.0 围绕香山开展了性能优化、模糊测试和形式化验证，并修复 SPEC CPU2006 基准中暴露的问题。

腾讯披露，经过 Hyra 2.0 调优后，香山每 GHz 性能得分的几何平均值提高 5.79%，芯片面积仅增加 0.3%，单核频率保持不变。按照项目历史迭代速度估算，这一提升大致相当于官方团队 2 至 3 个月的优化成果。

系统还通过新设计的 Fuzz 测试发现 7 个 Bug，加上其他独立发现共计 10 个，并使用 TLA+ 找到一个多核缓存一致性反例。与证明宏大数学猜想相比，这类工作可能更接近 Research Agent 的短期商业价值：指标明确、验证自动化程度高，而且每次改进都能直接进入工程流水线。

Hyra 2.0 真正值得关注的是研发闭环

递归自我改进是 AI 系统利用自身能力改进模型、数据、算法或研发工具，再由升级后的组件反过来增强系统的过程。 Hyra 2.0 已开始参与下一代腾讯混元模型的预训练、后训练和推理系统优化，包括改进训练基础设施、自动生成训练数据，以及降低推理镜像和大规模实验的运行成本。

这个闭环一旦有效，意义会超过任何一次跑分：Hyra 改进训练工具，训练工具产出更强的 Hy 模型，更强模型再成为 Hyra 的 Worker，继续开发下一代工具。

但现阶段还不能把它称为完全自主的递归进化。Hyra 2.0 仍依赖人类定义目标、批准高成本操作、提供计算环境并确认团队级知识；其成果也需要更多外部复现。它更像一套把 Agent 嵌入真实研发组织的操作系统，而不是脱离人类自行演化的超级智能。

判断：方向比单项成绩更重要

Hyra 2.0 的最大进步，是把 Agent 的评价标准从「这次答对了吗」改成「下次是否拥有更好的工具」。 这一转变抓住了当前自动化科研系统的核心瓶颈：模型可以消耗大量 Token 搜索答案，却很难把失败经验变成团队资产。

它的短期价值会首先出现在模型训练、芯片验证、科学计算和代码优化等反馈相对明确的领域。在这些场景中，实验能够自动执行，结果能够量化，代码和日志也能作为证据保存，Agent 不需要凭语言说服人类自己做对了。

它的长期挑战则是知识质量控制。随着 Books 和 Skill 不断积累，错误经验也可能被放大复用；如果复核机制不够严格，所谓智能复利可能变成错误复利。Hyra 2.0 引入独立 Review Worker、证据分级和人工审批，正是在提前处理这个问题，但实际效果仍要看系统运行数月后的知识库质量。

截至 2026 年 11 月 2 日，Hyra 2.0 已经给出了蛋白质模型、数学工作流、量子纠错、机器人结构和芯片优化等多类结果。与又一个能写报告、改代码的 Agent 相比，它更值得关注的地方，是腾讯开始把 Agent 当成研发体系的一部分，而不是聊天产品中的一个功能。

如果 Hyra 2.0 的工具能够被外部团队稳定复用，它可能推动 AI 科研从「按任务购买算力」走向「持续积累研发能力」；如果这些结果无法被独立复现，它也可能只是一组包装在多 Agent 架构下的内部实验。腾讯接下来开放多少代码、模型权重、实验轨迹和复现环境，将比发布会上展示多少新纪录更重要。

参考来源

• IT之家：腾讯混元发布 Hyra 2.0，为模型研发打造可复用工具 — 报道 Hyra 2.0 的发布信息、三级 Agent 架构及可复用工具思路。(ithome.com)
• GitHub：Tencent-Hunyuan/Hyra-results — 腾讯混元公开的 Hyra 研究成果仓库，包含蛋白质模型、数学成果及复现实验材料。(github.com)