Hyra 2.0

Hyra 2.0 是 腾讯混元（Tencent Hunyuan / Hy） 于 2026 年 11 月 2 日 正式发布的 AI 科研智能体系统（AutoResearch）。与上一代 Hyra 主要“让通用智能体直接攻克单道科研难题”不同，Hyra 2.0 的目标是让智能体 研发和升级可反复使用的科学模型、研究工作流和软件工具——一次研究留下的成果，可以被后续大量任务复用。

官方将这一转变概括为 AutoResearch 的“下半场”：从抽卡刷题转向工具升级。Hyra 2.0 已在蛋白质设计、分子模拟、量子纠错、数学证明、机器人结构设计和处理器研发等方向公布初步成果，并已参与混元内部下一代 Hy 模型的研发。

架构：三层智能体分工

层级	职责
Overall	与研究者沟通，协调项目优先级、资源与关键决策
Mission	长期负责某个研究问题，制定路线、安排实验、评估结论
Worker	负责代码开发、实验执行与结果分析，可在隔离沙箱中并行运行

• 任务进入 持久化队列，等待实验结果或人工审批时其他工作照常推进，支持持续 数天到数周 的研究。
• Research Board 记录进展，要求 Worker 提交代码版本、实验结果、运行日志等证据；必要时安排独立 Review Worker 复核。
• 项目状态、工作记忆与跨任务经验分开存储，验证过的方法可沉淀为 skill 供后续调用。

已公布的成果（官方口径）

• HyInv：从头训练的 196 万参数蛋白质逆折叠模型，序列与目标结构吻合度优于 ProteinMPNN，生成速度快 57 倍。
• HyPLM-Flash：6.5 亿参数蛋白质语言模型，7260 亿训练 token，12 个对比模型中推理最快，35 项任务平均排名第三。
• HyFF：分子模拟原子级基础模型，5 种规模（230 万–12 亿参数），覆盖 83 种元素，处于精度-速度帕累托前沿。
• HyQEC：构造出 [[488,123,22]] 量子码，编码效率指标比 qLDPC Challenge 原榜首高约 48%。
• HyProver：数学证明工作流，完成丘成桐圆周作用猜想等证明并经数学家核验。
• 香山 RISC-V：SPEC CPU2006 每 GHz 得分提升 5.79%；模糊测试与形式化验证共发现 10 个问题，修复已贡献给开源末级缓存 OpenLLC。

开放程度

成果产物（模型、代码、复现脚本）将陆续在 GitHub 以 Apache 2.0 公开；但 智能体本身的代码、权重和完整编排方法目前不开源。

如何关注 / 使用

1. 阅读官方文章：腾讯混元研究页 hy.tencent.ai/research 发布了《Hyra 2.0: The Next Step for Auto Research》，以及“腾讯混元”公众号原文。
2. 复用成果产物：关注 Hyra 的 GitHub 结果仓库，下载 HyInv、HyPLM-Flash、HyFF 等模型或 HyQEC、HyProver 的产物与复现脚本（Apache 2.0）。
3. 借鉴架构设计：Overall / Mission / Worker 分层 + 持久化队列 + Research Board 证据制 + Review Worker 复核，可作为自建长程科研或工程 Agent 的参考蓝本。
4. 对比同类系统：可与 DeepSeek dsh-superagent（Router/Worker）、各类 AutoResearch / AI Scientist 项目对照，理解“长任务编排”的不同思路。

提示：系统本身尚未开放使用，性能数据均为腾讯官方口径，需等待社区基于公开产物独立验证。