騰訊Hyra 2.0邁向AI自主科研：從頭訓練模型、設計機器人，甚至參與研發下一代AI

BiRun 訊，動察 Beating AI 快訊，騰訊混元發布科研 Agent Hyra 2.0，將研究重點從針對單個難題反復試錯，擴展到研發能夠長期復用的科學模型、算法和工具。

為了讓 AI 持續開展數天甚至數週的研究，Hyra 2.0 將工作分給 Overall、Mission、Worker 三層 Agent，分別負責資源協調、研究規劃和實驗執行。任務會持久化保存，等待訓練結果時也能推進其他研究。每項結論需要附上代碼、日誌等証據，必要時交給獨立 Agent 復覈。有效經驗還會沉澱成 Skill，供後續任務使用。

騰訊披露，Hyra 2.0 已經從頭訓練出兩款蛋白質模型。其中，196 萬參數的 HyInv 能根據目標骨架設計蛋白質序列，生成速度比常用的 ProteinMPNN 快 57 倍。在單張 H20 GPU 的預熱測試中，生成 128 條約 400 個殘基的序列只需約 50 毫秒。另一款 HyPLM-Flash 有 6.5 億參數，使用了 7260 億訓練 token。兩款模型的權重、推理代碼和技術報告均已公開。

Hyra 2.0 還參與優化開源 RISC-V 處理器「香山」，使 SPEC CPU2006 每 GHz 性能提高 5.79%，芯片面積僅增加 0.3%。

它還設計了一只五根手指長短遞增的「旋梯手」。這只手最初比原有最優設計慢約 11%，但經過相衕預算的控製算法訓練後，仿眞旋轉速度反而快了 28.6%。

目前，Hyra 2.0 也已參與下一代混元模型的預訓練、後訓練及推理系統優化，嘗試讓 AI 通過改進研發工具，幫助訓練出更強的下一代 AI。