腾讯混元 Hyra 2.0 发布，让 Agent 自己造科研工具
从「刷题解题」到「造工具」
IT之家 11 月 2 日报道，Hyra 1.0 曾驱动开源模型解决加法组合学里悬了五十多年的开放问题，验证了「给 AI 明确评判标准的难题、循环试」这条路可行。但 Hyra 团队认为，一次性解题成果不会自动提升下一次研究的能力。Hyra 2.0 的核心逻辑是：工具升级的收益能被下游任务反复复用，形成「智能复利」。说白了，就是别每回都手写脚本，造个框架让大家都能用。
三层架构：Overall、Mission、Worker
架构上，Hyra 2.0 把研究拆成三层：Overall 跟人类研究者对齐目标，Mission 长期盯一个具体问题、判断路线取舍，Worker 独立读代码、做实验、分析失败原因，甚至能质疑 Mission 的判断。系统还配了三套分离存储：项目状态、Agent 分层记忆、共享知识库 Books。复盘时把可迁移的方法整理成 skill，下次直接调。这套分工，跟咱带研发团队搞中台一个道理。
已经造出的真家伙
腾讯披露，Hyra 2.0 从头训练了两款蛋白质模型。196 万参数的 HyInv 能按目标骨架设计蛋白序列，生成速度比常用的 ProteinMPNN 快 57 倍；6.5 亿参数的 HyPLM-Flash 用了 7260 亿训练 token。量子纠错工具 HyQEC 构造的量子码，编码效率比原榜首高约 48%。还帮开源 RISC-V 处理器「香山」把每 GHz 性能提了 5.79%，芯片面积只增 0.3%。数学证明工作流 HyProver 还搞定了丘成桐圆周作用猜想等问题。
连下一代混元都让它参一脚
BlockBeats 11 月 3 日报道点出一个关键信息：Hyra 2.0 已经参与下一代混元模型的预训练、后训练及推理系统优化，尝试让 AI 通过改进研发工具，去帮着训练出更强的下一代 AI。这就是传说中的「用 AI 造 AI 的工具」——套娃归套娃，但逻辑上确实能滚雪球。
老炮点评：复利比单次爆发值钱
咱干了一辈子工程，最信一句话：一次惊艳不如天天好用。Hyra 2.0 这套「造可复用工具」的思路，比单纯刷某个难题的榜单更有后劲。当然，三层 Agent 各干各的、还能互相质疑，听着聪明，落地时调度开销和证据复核的功夫一样不能省。科研 Agent 这条路刚开头，但这方向，我投一票。
说点实在的：三层 Agent 也有代价
Hyra 2.0 这套 Overall、Mission、Worker 的分层看着精巧，但咱干工程的得补一句：分层越多，调度开销和沟通成本就越高。三层各干各的、还能互相质疑，听着聪明，落地时光是「谁该听谁的、证据链怎么留」就够喝一壶。腾讯说每项结论要附代码和日志、必要时交独立 Agent 复核，这步不能省，否则所谓「智能复利」会变成「智能甩锅」。方向我认可，执行上的苦活，一样不会少。
再补一刀：所谓「智能复利」，前提是经验真能沉淀成 skill 被复用。要是每次研究完就散了，工具造了没人用，那还是一次性解题的老路子。腾讯把项目状态、分层记忆、共享知识库三套存储分开，就是为了让经验留得下来。这工程习惯，咱当年带团队时也反复念叨，知易行难。
说到底，工具造得再花哨，能不能被下游反复用起来才是试金石。Hyra 2.0 这套思路要是真能滚出复利，咱这帮老工程兵，服。
