☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
腾讯混元正式推出科研智能体 Hyra 2.0，将“AI 辅助科研”这一理念，从传统意义上的解题与验证，升级至更具挑战性的目标——驱动机器自主研发具备长期复用价值的科学模型、算法及工具链。
为支撑动辄持续数周的复杂科研任务，Hyra 2.0 构建了三层协同 Agent 架构：Overall Agent 负责全局资源调度与任务协调；Mission Agent 主导研究路径规划与阶段拆解；Worker Agent 承担具体实验执行与代码运行。所有任务状态均实现持久化存储，即便在模型训练空档期，系统仍可无缝切换并推进其他项目；每个关键结论均强制绑定可执行代码与完整日志作为可信凭证，存疑结果将交由独立复核 Agent 进行交叉验证；经验证有效的策略与流程则自动提炼为标准化 Skill 模块，供后续任务复用。
横跨生物计算与硬件设计，实测成果已落地开花
Hyra 2.0 成功从零训练出两款高性能蛋白质建模模型：
- HyInv（196 万参数）：基于目标蛋白骨架结构逆向生成氨基酸序列，推理速度较 ProteinMPNN 提升达 57 倍；在单张 H20 GPU 上，仅需约 50 毫秒即可生成 128 条长度约 400 残基的序列；
- HyPLM-Flash（6.5 亿参数）：完成 7260 亿 token 的超大规模预训练，全部权重、训练代码与技术报告均已开源。
此外，该系统还深度参与硬件优化：
- 将开源 RISC-V 处理器“香山”的 SPEC CPU2006 单 GHz 性能提升 5.79%，芯片面积仅增加 0.3%；
- 自主设计五指仿生机械手“旋梯手”，初版性能较当前最优方案慢 11%，但在相同资源预算下，通过迭代优化控制算法，最终仿真转速反超 28.6%。
尤为值得关注的是其自我进化闭环能力：Hyra 2.0 已实际介入下一代混元大模型的预训练、后训练及推理加速全流程优化。当 AI 开始主动打磨用于构建 AI 的底层基础设施，“科研永动机”或将真正催生出更强大、更自洽的新一代智能体。
