腾讯混元发布 Hyra 2.0 自动化科研系统，从解题转向造工具
Hyra 2.0：自动化科研的下一步
腾讯混元发布 Hyra 2.0，把自动化科研从直接解题转向由 agent 研发和升级科学工具与模型。系统采用 Overall、Mission、Worker 三层分工的 Harness，接入企业微信、计算平台和代码仓库，支持持久化任务队列、独立复核和可复用经验库 Books。
原文给出从解题转向造工具的 agent 框架设计与蛋白质、量子码、芯片等多项工具成果数据，可了解自动化科研的演进方向。
模型
研究
产品
Co-design
登录
研究
2026-11-01 Hyra Team
Hyra 2.0：自动化科研的下一步
• 摘要
AutoResearch的下半场，从「抽卡刷题」转向「工具升级」。
三个月前，我们发布了 Hyra 1.0[1]：一套面向通用科研问题的、极简的 agent 循环。发布一周后，在开源模型 Hy3 的驱动下，Hyra 解决了加法组合学中一个悬而未决五十多年的问题：和集与差集的最优指数[2]。这是 国产开源模型首次全自动解决数学开放问题。
Hyra 1.0 发布 11 天后，OpenAI 公布了下一代模型 Astra 的内部版本在 10 个长期开放问题[3]上取得的新结果。随后的两个多月里，OpenAI 又宣布给出了 Navier–Stokes 千禧年问题的解答[4]，并公开了 722 篇由内部模型产出的数学手稿[5]。AI自动化科研一路疾驰。
Hyra 1.0 说明：给 AI 一道有明确评判标准的难题，让它循环尝试，就有机会超过已有的最好成绩。过去三个月，社区继续沿着这条路线探索，投入大量 token，在更多难题上取得了新进展。
既然路已走通，我们更想抬头看看前方：自动化科研的下一步是什么？
当 AI 已经能攻克许多人类未解的难题，科研的范式将走向何处？
怎样让 AI 更经济、更可持续地解决科研问题？
目前仍然很多难题无法被 AI 解决，瓶颈在哪里？
三个问题看似各有所指，我们的回答却是同一个：工具升级。
近年来，AI4Science经历过几次范式上的革新：以AlphaFold[6]，AlphaEarth[7]，AlphaGeometry[8]为代表的面相特定问题的模型或系统；到以AlphaEvolve[9]，Hyra1.0[1]等为代表的基于通用模型驱动agent，直接解决科学问题的范式。Hyra2.0希望再向前一步，让通用 agent 参与科学工具与模型的研发和升级，让一次研发的成果在后续研究中被反复使用。
图 1：从解题到造工具。上方展示研究者研发专用科学模型、通用 agent 直接解决科研问题两种方式；下方展示 Hyra 2.0 的目标：由 agent 研发和升级科学模型、研究工作流与软件工具，让成果被后续研究反复使用。
从答案到工具
风靡社区的 刷题抽卡 的突破固然可贵，但它的成果，并不会自动提升下一次研究的能力，形成智能复利。
工具则不同。升级一件工具，所有用到它的下游任务都会随之受益。
荀子说：“君子生非异也，善假于物也。”
这里的「物」，即为工具，是能被人类或 agent 反复使用、帮助完成一类任务的方法与系统。按能力的载体，工具大致分为两类：
符号化工具 将方法显式地表达为代码、规则或流程，例如搜索算法、验证程序、数据处理管线和研究工作流。它们把“如何完成任务”写成可执行的操作或可遵循的步骤，改进这些方法，就能改变工具的能力与效率；
参数化工具 则通过训练，将从数据与反馈中学到的规律保存在模型参数中，例如用于理解、生成和推理的通用语言模型以及用于蛋白质设计的科学模型。
工具的最大价值在于 可复用，agent 调用的工具更好了，动作空间和效率也随之提升，在各种基准测试里的表现和效率也会提升（例如用更好的工具解决一个 Terminal Bench[10] 的任务）。
工具也有高阶与低阶之分。以数学为例：解出一道题，收获的是一个答案；做一套适合解这类题的工作流，或训练一个数学推理更强的模型，就有机会裨益无数题的解决；再往上，是一个能自动训练出这种模型的系统；最高处，则是一个能自动做任何任务的系统（AGI）。
越往上，工具越通用，惠及的任务越多，工具的研发周期更长，研发环境更复杂，研发难度更大。
工具升级已经在逐渐发生。8 月底发布混元 Hy4 preview 时，我们在博客[11]里展示了 Hyra 与它一同加速分子动力学力场模型；三周后，Anthropic 披露 Claude 在不到四周的时间里加速了 30 多个开源生物分子模型[12]。不过，由于反馈速度快，加速一个现成的模型相对容易。更难的是 端到端地做出一个新模型，从设计、实现到部署。Hyra 2.0 想攀登的，正是这级更难的台阶：成为最会创造工具的系统。
在 递归自我改进（RSI）的语境里，研发大模型，本身就要用到许多工具：训练基础设施、数据合成管线、推理系统。我们希望 Hyra 2.0 参与升级这些工具，帮助训练出更好的下一代 Hy 模型；而下一代 Hy 模型，又可以成为 Hyra 2.0 手里的工具。倘若如此，工具造得越好，造工具的系统就越强；系统越强，下一件工具又能造得更好。
为升级工具而生的 Harness
研发工具，对 Harness 提出了不同于解题的要求。训练一个模型，要经历方案设计、代码实现、训练、评估和反复修改，整个过程可能持续数天甚至数周。几个项目同时推进时，还要处理实验等待、资源分配和研究方向的调整。这些工作很难靠一个不断延长的 agent session 来管理。
我们先把 Hyra 2.0 接入团队的 实际研发环境：在企业微信里和研究者对齐需求，在计算平台上提交和管理实验，在代码仓库里实现、验证改动，并保存实验过程和产物。涉及较大算力开销和共享知识同步的操作，需要经过相应的人工审批；已经获准的工作则由系统继续推进。
研究工作由 Overall、Mission 和 Worker 三层分工。Overall 与人类研究者沟通，管理项目优先级，协调资源和关键决策。每个 Mission 长期负责一个研究问题，决定研究路线、设计实验、组织 Worker，并对结论负责。哪些假设值得继续投入，哪些结果需要复核，什么时候应该换方向，都需要 Mission 判断。Worker 可以独立读代码、做实验、分析失败原因、提出新想法，也可以质疑 Mission。不同 Worker 可以使用不同模型，提供不同的分析和复核意见。
Mission 可以同时安排方向探索、实验执行和独立复核。任务进入 持久化队列 后，调度系统根据优先级、依赖关系和资源上限启动 Worker。某项任务在等待训练结果或人工审批时，其他任务仍可继续。agent 也可以设置下一次唤醒时间，在实验完成或到达检查节点后接着工作。
并行研究的进展记录在 Research Board 上，包括想法、实验发现、证据和关键决策。普通进展由其他 agent 异步阅读；必须处理的问题通过消息通知，接收方需要明确回应。这样，Worker 可以连续工作较长时间，Mission 也能查到各条研究路线的进展，不必频繁打断正在进行的工作。
图 2：Hyra 2.0 的 Harness。Overall 协调目标与资源，Mission 负责研究路线，Worker 开展探索与实验；持久化队列、协作记录和独立复核支持长期研究。底部分别保存项目状态、agent 记忆与共享知识，并将可复用方法整理为 skill，供后续任务使用。
Worker 报告完成时，需要附上代码版本、实验结果、日志或原始运行轨迹等证据。Mission 可以查看实际操作记录，检查实验是否支持报告中的结论。需要独立验证时，系统会启动新的 Review Worker，让它先接触原始问题和证据，减少执行者结论带来的影响。复核可能发现错误，也可能发现现有证据只支持一个范围更窄的结论，这些都需要如实保留。
工具研发的周期虽然长，却有不少经验可以复用。一次训练失败中有效的排查方法，可以用于后续训练；数值对齐时建立的验证流程，可以复用于其他模型；复核中发现的缺陷，也可以变成工具链里的自动化检查。单次尝试越昂贵，就越有必要留下这些经验，避免后续项目重复摸索。
为此，Hyra 2.0 将项目状态、agent 的工作记忆和可复用经验分开保存。任务队列和 Research Board 记录项目的协作状态；每个 agent 维护自己的分层记忆，保存当前认识、关键假设、已排除的路线和下一步计划；跨任务可复用的经验则进入 共享知识库 Books。
Books 中的记录需要说明做法、理由和适用条件，并附上原始证据。这些经验分为「观察」「已验证」和「约定」：单次实验发现的现象可以作为观察，供后续研究参考；经过独立复现的发现才能成为可靠依据；影响团队行为的约定需要人类确认。新证据出现后，已有记录也会随之修正。
项目复盘时，可迁移的方法还会被整理成 skill。例如，训练模型时积累的经验，已经形成了一套 skill，供后续任务使用。这些 skill 本身也是 Hyra 2.0 造出的工具，会在使用中继续修改和完善。我们所说的 持续学习，就包括把研究中摸索出的有效方法保存下来，让后续项目能够直接用上，并继续改进。
初步成果
Hyra 2.0 已经完成了一批工具的研发与升级。我们会将相关成果持续公开在 GitHub 仓库，供社区检验和复用。
HyInv：50 毫秒设计 128 条蛋白质序列
HyInv 和下面介绍的 HyPLM，均由 Hyra 2.0 从头训练。它们对应着前文所说的那级台阶：从加速现有模型，走向完整的新模型研发。
HyInv 处理蛋白质设计中的逆折叠问题：给定一个目标骨架，寻找能够折叠成这一结构的蛋白质序列。这是药物设计、酶工程和文库构建中的基础工具。
HyInv 是一个仅有 196 万参数 的图神经网络。它的预训练、监督微调、强化学习和推理优化均由 Hyra 2.0 完成。Hyra 2.0 还为它设计了“先起草、再改写”的两步采样方法。
与制药行业常用的 ProteinMPNN[13] 相比，HyInv 生成的序列与目标结构的吻合程度更好，生成速度快了 57 倍。
图 3：HyInv 与 HyPLM-Flash 的表现和速度对比。左：横轴为每秒生成的序列数，纵轴为设计质量（scTM）；右：横轴为推理吞吐量（千残基/秒），纵轴为平均归一化评测得分。两图均越靠右上越好；圆点大小表示参数量，分别按对数尺度（左）和线性尺度（右）绘制。
HyPLM：从头训练高效的蛋白质语言模型
蛋白质语言模型从序列中学习规律，是判断突变影响、注释蛋白功能和辅助蛋白设计的常用工具。这类模型会被反复调用，训练和推理效率的改进，也就能惠及许多下游任务。
Hyra 2.0 训练的 HyPLM-Flash 有 6.5 亿参数，累计使用 7260 亿训练 token。这一用量是 ESM-2 650M[14] 的 0.73 倍，是 E1-600M[15] 和 ESM C 600M[16] 的五分之一到八分之一。在比较的 12 个蛋白质语言模型中，HyPLM-Flash 的推理速度最快，在35个评测任务中平均排名第3。
HyInv 和 HyPLM 的研发细节将通过技术报告公开，供社区参考和复用。两个模型也可以由 agent 调用，参与药物设计等任务。我们还会继续研发这样的科学模型，全面升级工业制药的现有工具。
HyFF：面向大规模分子模拟的原子级基础模型
HyFF 是面向分子模拟的原子级基础模型，输入原子的种类和坐标，预测体系的能量与每个原子受到的力，可作为机器学习力场驱动分子动力学模拟。这让研究者能够在原子尺度上追踪分子的运动与反应，为药物设计、酶工程和材料研发提供基础工具。
HyFF 提供五种规模，参数量从 230 万到 12 亿，均在大规模量子化学计算数据上训练，覆盖 83 种元素，支持带电和开壳层体系。每个原子只调用与自身元素对应的子网络，在扩大模型容量的同时控制计算开销。我们将 HyFF 与 16 个公开模型进行了比较。五个 HyFF 模型全部位于评测的精度–速度帕累托前沿。HyFF 已用于实际模拟：近 6 万原子的水通道蛋白膜体系模拟了 100 纳秒，可以观察到水分子排成单列、逐个穿过通道；在 4.6 万原子的酶体系中，从选定起点出发，观察到了 一次完整的断键、成键反应过程。
图 4：HyFF 与公开模型的精度–速度对比。左为能量预测误差，右为力预测误差；横轴为单步分子动力学模拟耗时，纵轴为平均绝对误差（MAE），越靠左下越好。绿色圆点为五种规模的 HyFF，其他标记为公开对比模型。
HyProver：把数学探索组织成可复用的工作流
HyProver 是一套 面向纯数学证明的 agent 工作流，保持高 token efficiency 和强探索能力。系统在运行过程中，持续搜索资料、寻找线索、转化问题、提出猜想并产出事实，像真实人类数学家一样，有组织地尝试攻克难题。在尝试潜在路线的过程中，系统并非盲目“摊大饼”，而是会高效地利用 token，通过转化问题来联系不同的数学分支或自主提出中间猜想，沿着 promising 的方向前进。
Hyprover已经完整解决了许多开放数学问题。其中，我们协同数学家已核验并整理好了 丘成桐先生的圆周作用猜想 与 五维 Petty 等距点猜想[17] 的证明。
图 5：HyProver 的数学研究工作流。研究 agent 提出中间猜想，证明 Worker 尝试构造证明，再由独立 LLM 在新上下文中复核。待解猜想和通过复核的引理保存在共享研究笔记中，后者可作为后续探索的前提。
HyQEC：构造新量子码，严格验证码距
量子纠错需要用多个物理量子比特保护逻辑量子比特。如何降低这笔开销，是量子码研究的核心问题之一。Hyra 2.0 为此研发了 HyQEC：一套面向量子低密度奇偶校验码（qLDPC）的 构造与验证系统，支持新码构造、码距搜索和精确码距证明。
在新码构造上， Hyra 2.0 设计了 Split Pauli-CPM 算法，构造并严格验证了量子码 $[488,123,22]$。其编码效率指标 $kd^2/n$ 达到 122.0，在非 CSS、校验权重不超过 8 的条件下，比 qLDPC Challenge[18] 原榜首提升约 48%。系统还构造出多种低开销量子码，刷新了相应参数条件下的已知编码开销纪录。
在码距验证上， HyQEC 配备了 GPU 加速的搜索算法和两套独立的精确证明工具。搜索吞吐量达到原有 8 线程 CPU 工具的 8–55 倍。在复核已有结果时，它将原榜首码的码距上界从 95 收紧至 86，并 为排行榜 187 个条目中的 178 个完成了精确码距认证。
这套工具既能帮助研究者寻找新码，也能为比较和筛选量子码提供可靠依据。我们后续将发布 HyQEC，供社区使用。
灵巧手：自主设计更高效的机器人结构
灵巧手是机器人操作物体的重要工具。传统方法通常先确定机械结构，再训练控制策略；但不同的手指布局和长度，也会影响机器人的操作能力。Hyra 2.0 尝试将探索延伸到机器人本体设计，自主寻找更好的机械结构。
在一项手内物体旋转任务中，Hyra 2.0 自主发现了一种特别的五指设计：五根手指绕着掌心排列，长度从短到长依次递增，像一段旋转楼梯。我们称它为**「旋梯手」**。有趣的是，这只手在初始测试中表现并不突出，旋转速度比论文中的最优设计[19]慢约 11%。但经过同等预算的策略微调后，它反而实现了反超。
在更严格的 DR5 仿真评测中，旋梯手的旋转速度达到 3.277 rad/s，比同样经过微调的论文最优设计快 28.6%，目标完成数提升 21%，失稳率也更低。
这一结果提示我们，初始表现最好的机械结构，不一定拥有最好的训练后性能。尽管目前的结果还局限于仿真环境，尚未经过真机验证，但它展示了让 AI 自主探索机器人结构与控制策略的潜力。我们希望将 Hyra 2.0 的工具研发能力，从软件和模型进一步延伸到物理世界。
图 6：Hyra 2.0 自主设计的「旋梯手」与 Dextra 的结构及仿真表现对比。左：与 House of Dextra[19] 最优五指设计的结构对比；右：与 Dextra Baseline 的物体旋转对比。在 DR5 仿真评测中，经相同预算的策略微调后，Hyra Hand 的平均旋转速度提升 28.6%（3.28 vs. 2.55 rad/s）。
香山：提升处理器性能，补强正确性验证
香山[20]是一个全流程开源的 RISC-V 处理器项目。Hyra 2.0 围绕它开展了两项工作：性能优化与正确性验证，从而升级该芯片设计工具。
Hyra 2.0 修复了 SPEC CPU2006[21] 基准测试中暴露的多项问题。结合其他调优，香山每 GHz 得分的几何平均值提升了 5.79%，单核频率保持不变，面积增加 0.3%。按照官方性能看板[22]记录的历史迭代速度估算，这一提升大致相当于官方团队 2–3 个月的迭代成果。
Hyra 2.0 新设计的 fuzz 测试发现了 7 个 bug，加上另外 3 个独立发现，共计 10 个，均未出现在官方 issue 列表中。它还使用 TLA+[23] 进行形式化验证，找到了一个 多核缓存一致性的反例，相关修复已贡献给开源末级缓存 OpenLLC[24]。
图 7：Hyra 2.0 在量子纠错与处理器研发中的工具升级。左：HyQEC 构造量子低密度奇偶校验码，并通过上下界一致来认证精确码距；右：围绕香山处理器开展性能调优与正确性验证，将发现的问题用于改进设计。
下一代 Hy 模型：走进大模型研发的现场
在混元内部，Hyra 2.0 也正在参与下一代 Hy 模型的升级，例如：
预训练： 优化训练基础设施，参与新训练技术的实验验证，缩短从提出方案到获得实验结果的时间。
后训练： 搭建自动化数据合成管线，让 Hyra 参与高质量训练数据的生成和处理；
推理： 优化实际使用的推理镜像和系统，以降低部署成本，以及训练、评测和大规模实验中的开销。
我们希望让 Hyra 通过改进研发工具，帮助训练出更好的 Hy 模型，再借助更强的模型和更好的工具，完成下一轮工具研发与模型迭代。
回到开头的三个问题
科研会怎样变化？ 我们认为，AI 的贡献会从解出具体问题，延伸到 提高一类问题的研究能力。衡量一次研究的成果，除了看它得到了什么答案，也要看它为后续研究留下了什么：一套证明工作流、一个科学模型，或一种可靠的验证方法。工具越通用，能够支持的研究就越多。
怎样让 AI 做科研更经济、更可持续？ 研发工具本身可能昂贵，但这笔投入可以由后续的许多任务共同分摊。更快的模型减少每次调用的开销，更好的工作流减少重复探索，积累成 skill 的经验则让后续任务少走已经走过的弯路。一次改进的价值，可以在反复使用中不断累积。
暂时解决不了的问题怎么办？ 先找出限制来自哪里：模型能力不足、搜索效率不够，还是验证和实验反馈太慢？这些具体的限制，可以成为下一轮工具研发的目标。原问题未必立刻有解，但这次探索应尽可能 留下可复用的方法和工具，让下一次尝试有更好的起点。
我们希望，今天的研究成果，能成为明天的研究工具，加速拓展科学的边界。
脚注
[1]腾讯混元，Hyra 1.0，面向通用科研问题的自动化研究框架介绍：https://hy.tencent.com/research/hyra
[2]Haowei Lin 与 Shanda Li，“Settling the Optimal Exponent Relating Sumsets and Difference Sets”，关于和集与差集最优指数的论文：https://arxiv.org/abs/2607.27199
[3]OpenAI，“Ten advances in mathematics and theoretical computer science”，介绍模型在数学与理论计算机科学开放问题上的研究进展：https://openai.com/index/ten-advances-in-mathematics/
[4]OpenAI，“On the Navier–Stokes Millennium Prize Problem”，关于 Navier–Stokes 千禧年问题的研究文章：https://openai.com/index/navier-stokes-solution/
[5]OpenAI，openai/math，公开数学研究手稿与相关材料的代码仓库：https://github.com/openai/math
[6]John Jumper 等，“Highly accurate protein structure prediction with AlphaFold”，发表于 Nature（2021）的 AlphaFold 论文：https://www.nature.com/articles/s41586-021-03819-2
[7]Google DeepMind，“AlphaEarth Foundations helps map our planet in unprecedented detail”，AlphaEarth Foundations 的官方介绍：https://deepmind.google/blog/alphaearth-foundations-helps-map-our-planet-in-unprecedented-detail/
[8]Trieu H. Trinh 等，“Solving olympiad geometry without human demonstrations”，发表于 Nature（2024）的 AlphaGeometry 论文：https://www.nature.com/articles/s41586-023-06747-5
[9]Google DeepMind，“AlphaEvolve: A Gemini-powered Coding Agent for Designing Advanced Algorithms”，官方技术博客：https://deepmind.google/blog/alphaevolve-a-gemini-powered-coding-agent-for-designing-advanced-algorithms/
[10]Mike A. Merrill 等，“Terminal-Bench: Benchmarking Agents on Hard, Realistic Tasks in Command Line Interfaces”，面向终端环境中真实复杂任务的智能体评测基准：https://arxiv.org/abs/2601.11868；基准主页：https://www.tbench.ai/
[11]腾讯混元，Hy4 preview，正文所引的模型发布博客：https://hunyuan.tencent.com/research/hy4-preview
[12]Anthropic，“How Claude is uplifting biomolecular modeling”，介绍 Claude 参与生物分子模型加速的官方研究文章：https://www.anthropic.com/research/claude-uplifts-biomolecular-modeling
[13]Justas Dauparas 等，“Robust deep learning–based protein sequence design using ProteinMPNN”，发表于 Science（2022）的 ProteinMPNN 论文：https://www.science.org/doi/10.1126/science.add2187
[14]Zeming Lin 等，“Evolutionary-scale prediction of atomic-level protein structure with a language model”，发表于 Science（2023）、介绍 ESM-2 的论文：https://www.science.org/doi/10.1126/science.ade2574
[15]Profluent，“E1: Retrieval-Augmented Protein Encoder Models”，E1 蛋白质编码模型的研究论文：https://www.biorxiv.org/content/10.1101/2025.11.12.688125v1；包含 E1-600M 的官方介绍：https://www.profluent.bio/showcase/e1
[16]EvolutionaryScale，“ESM Cambrian: Revealing the mysteries of proteins with unsupervised learning”，包含 ESM C 600M 的官方模型介绍：https://www.evolutionaryscale.ai/blog/esm-cambrian
[17]C. M. Petty，“Equilateral Sets in Minkowski Spaces”，关于 Minkowski 空间等距点集的原始研究，发表于 Proceedings of the American Mathematical Society，29(2): 369–374（1971）：https://doi.org/10.1090/S0002-9939-1971-0275294-8
[18]Unitary Foundation，QEC Challenge / qLDPC Challenge，量子纠错码挑战、排行榜及码距验证的官方项目：https://github.com/unitaryfoundation/qldpc-challenge
[19]Kehlani Fay 等，“House of Dextra: Cross-embodied Co-design for Dexterous Hands”，发表于 ICLR 2026 的灵巧手结构与控制策略协同设计研究：https://arxiv.org/abs/2512.03743
[20]OpenXiangShan，XiangShan（香山），开源高性能 RISC-V 处理器项目：https://github.com/OpenXiangShan/XiangShan
[21]Standard Performance Evaluation Corporation（SPEC），SPEC CPU2006，处理器、内存子系统与编译器性能评测基准的官方说明：https://www.spec.org/cpu2006/
[22]OpenXiangShan，XiangShan Dashboard，香山项目的官方性能看板：https://dashboard.xiangshan.cc/
[23]Leslie Lamport，TLA+，用于描述和验证并发及分布式系统的形式化规约语言；作者主页与工具资料：https://lamport.azurewebsites.net/tla/tla.html
[24]OpenXiangShan，OpenLLC，开源末级缓存项目：https://github.com/OpenXiangShan/OpenLLC
目录
评论（0）
0/2000
发表评论
继续阅读
Hy Image3.5 preview 发布：为专业创作提供高性价比模型
2026-09-21 caesarqin
当大模型强化学习走向规模化，Batch Size Scaling 有什么不一样？
2026-09-21 RL Team
Hy4 preview 发布
2026-08-27 Hy LLM
模型
产品
更多
版权所有 © 1998 - 2026 腾讯。保留所有权利
来源：腾讯混元：Research · hunyuan.tencent.com