腾讯混元发布Hyra 2.0，推动AI从解决科研难题转向自主研发科学模型与工具
TREE NEWS 报道， 腾讯混元正式发布AI科研系统Hyra 2.0，重点从直接解决科学问题转向自主研发和升级可复用的科学模型、研究工作流及软件工具。新系统采用Overall、Mission、Worker三级Agent架构，支持长期任务管理、并行实验、独立复核及研究经验积累。
Hyra 2.0已自主训练蛋白质设计模型HyInv和蛋白质语言模型HyPLM-Flash。其中，HyInv的序列生成速度较ProteinMPNN提升57倍；HyPLM-Flash拥有6.5亿参数，在12个对比模型中推理速度最快。此外，Hyra 2.0还在量子纠错、机器人结构设计及芯片研发等领域取得进展，包括将开源RISC-V处理器香山的SPEC CPU2006每GHz得分几何平均值提升5.79%。相关成果将陆续开放供社区验证和复用。
行业分析：从解决问题到构建工具
Hyra 2.0的意义在于其架构野心。当前大多数科学AI系统都是点状解决方案：它们接受一个定义明确的问题（如预测蛋白质结构），然后给出答案。而Hyra 2.0旨在构建生产这些解决方案的机器——模型、工作流和软件工具——并随时间改进这台机器。这是朝着所谓“AI科学家”迈出的一步，即能够管理整个研究项目而非单个任务的系统。
三级Agent设计值得注意，因为它强调长期任务管理和独立复核。通过将总体策略与任务执行和工作者级任务分离，系统可以并行实验并检查自己的工作——如果AI要在高风险科学领域被信任，这是一项关键能力。研究经验的积累暗示了一种机构记忆，使系统能够跨项目改进自身流程。
在蛋白质设计、量子纠错和芯片开发方面的成果展示了广度。蛋白质序列生成速度提升57倍，可能显著加速药物发现和合成生物学工作流，因为蛋白质设计是这些领域的瓶颈。RISC-V处理器SPEC得分的提升虽然幅度不大，但表明系统可以为硬件优化做出贡献——这是一个AI驱动设计仍处于起步阶段的领域。
前瞻：对加密与去中心化AI的启示
虽然Hyra 2.0是一个通用AI研究系统，没有直接的加密角度，但其对可复用模型和工具、社区验证以及自主研究工作流的强调，与去中心化AI生态系统有间接关联。构建链上AI代理、去中心化计算网络和模型市场的项目，可能受益于此类工具的开源，并可能利用它们来基准测试或改进自己的系统。对可复现性和社区验证的关注，与许多加密AI倡议的开源精神一致。
更广泛地说，Hyra 2.0代表了朝着能够自主生成科学知识和工具的AI系统迈出的一步。随着这些系统成熟，它们可能重塑研究方式，对知识产权、科学出版和创新经济学产生影响。对于越来越多地通过去中心化计算和代理经济与AI交叉的加密行业来说，此类系统的发展凸显了开放、可验证和可复用AI基础设施的重要性。
