AITOPAI热报
Models74°

腾讯混元发布 Hyra 2.0，AI 智能体可自主研发科学模型与科研工具

Gorden Sun@Gorden_Sun
Post· 2 sources
View the post
Why we picked it

腾讯混元这个 Hyra 2.0 让 AI 自己设计模型、写代码、做训练，从蛋白质工具到修香山芯片都干过了，看看三层智能体怎么分工的。

腾讯混元推出 Hyra 2.0 系统，核心是一套支持长期运行的三层智能体协作框架 Harness，分别负责全局规划、专项研究和执行复核，并把调试排错经验沉淀为标准化技能库。该系统已产出多款跨领域成果：蛋白质设计模型 HyInv 生成速度比行业常用工具快 57 倍，自动化证明工作流 HyProver 完整证明了丘成桐圆周作用猜想。在硬件领域，AI 自主设计的机器人旋梯手结构旋转速度提升 28.6%，还为开源芯片香山处理器修复了 10 个缺陷。量子方向开发的纠错系统 HyQEC 刷新了量子码编码效率纪录。项目目前未开源。

Original · Gorden Sun

腾讯混元发布 Hyra 2.0 系统，让 AI 智能体自主研发和升级科学模型与科研工具。

以往 AI 搞科研多是针对某道具体难题硬算，解出一道题的经验很难沉淀下来复用，研究新模型也需要人类专家耗费数周时间手动调试。

腾讯混元团队搭建了一套支持长期运行的协作系统 Harness，由负责全局规划、专项研究、具体执行复核的三层智能体互相配合，并把调试排错的经验沉淀为标准化技能库，让 AI 能够自主完成方案设计、代码编写与模型训练。

目前这套系统已经独立研发出多款跨领域工具： · 生物医药： AI 从头训练出蛋白质设计模型 HyInv，生成速度比行业常用工具快 57 倍；训练出推理速度更快的蛋白质语言模型 HyPLM-Flash；推出支持大体系分子模拟的力场模型 HyFF。 · 数学与量子计算： 形成自动化证明工作流 HyProver，完整证明了丘成桐圆周作用猜想；开发出量子纠错系统 HyQEC，刷新了量子码编码效率纪录。 · 硬件与芯片工程： AI 自主设计出旋转速度提升 28.6% 的机器人旋梯手结构；为开源芯片香山处理器修复了 10 个缺陷并提升了运算性能。

未开源，项目介绍：https://t.co/A3ZlcmWiSE

#腾讯混元#Hyra 2.0#智能体#蛋白质设计#开源模型

Keep reading

Recent stories with the same tag or section
ModelsUS vs ChinaMulti-sourceSelected21:30
Tencent Hunyuan open-sources Hy Memory 2.0 memory infrastructure

Instead of wrapping a general model in a memory framework like Mem0 or MemOS, this uses a small dedicated writer model, cutting inference cost to roughly 3B-model levels while staying cross-framework. Developers building agent pipelines can pip install it and swap storage backends freely, and Mac users can share memory across coding tools via MemHub. The sub-1-point margin over Claude Opus 5 is self-reported and awaits independent replication.

#Tencent Hunyuan#Hy Memory 2.0#MemHub#agents
Event
shao__meng@shao__meng5 sourcesSource
ProductsBuildersMulti-sourceSelected18:21
Tencent Hunyuan releases open-source Hy Memory 2.0 agent memory framework

Hy Memory treats memory as three distinct types—chat events, ongoing work and code—so agents can resume long tasks with the right context instead of raw chat logs. The 39.3% token reduction also means lower inference costs for memory-heavy agent deployments. Developers building agents on LangChain-style stacks can compare it directly against Mem0 and MemOS, both of which it outperforms on the cited benchmarks.

#Tencent Hunyuan#Hy Memory#agents#open-source models
Event
IT之家9 sourcesSource