Hyra 2.0 运营中

Hyra 2.0是腾讯混元推出的AI科研智能体，是Hyra 1.0的升级版，从自动解题转向研发工具。Hyra 2.0能长期自主训练科学模型、优化研究工作流，把经验沉淀为可复用资产，成果已覆盖蛋白质设计、分子模拟、数学证明、量子纠错等领域，长期目标是让工具升级与模型增强彼此驱动，形成递归自我改进的闭环。

工具研发：由 agent 端到端完成科学模型的设计、训练、评估与部署。
三层协作研发：通过 Overall、Mission、Worker 分工组织长期研究，Worker 可独立实验并质疑 Mission 的判断。
独立复核：Review Worker 在新上下文中先接触原始问题与证据，对执行者结论进行交叉验证。
经验沉淀：项目状态、agent 记忆与共享知识分开保存，复盘产出的 skill 供后续任务复用。
多领域成果落地：首批产出覆盖蛋白设计、分子模拟、数学证明、量子纠错、机器人本体设计与芯片优化。
参与大模型研发：介入下一代 Hy 模型的预训练基建、后训练数据管线与推理系统优化。

工具复用与智能复利：文章把工具分为符号化工具和参数化工具两类，核心论点是：解出一道题只得到一个答案，升级一件工具能让所有下游任务受益。Hyra 2.0 的整体设计都围绕让一次研发的成果被后续研究反复使用展开，形成可持续的智能复利。
三层组织架构与持久化调度：Hyra 2.0 采用 Overall、Mission、Worker 三层分工：Overall 对接人类并管理优先级与资源，Mission 长期负责一个研究问题并对结论负责，Worker 执行探索与实验。任务进入持久化队列后，由调度系统按优先级、依赖关系和资源上限启动，某个任务等待训练结果或人工审批时其他任务照常推进，agent 可设置唤醒时间在检查节点接续工作。
异步协作与独立复核机制：并行研究的进展记录在 Research Board 上，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并要求明确回应，避免频繁打断正在执行的任务。Worker 报告完成时必须附上代码版本、实验结果、日志或运行轨迹作为证据；需要独立验证时系统启动新的 Review Worker，让其在新上下文中先接触原始问题和证据，以排除执行者结论的影响，复核发现的错误或更窄的结论范围都如实保留。
三层记忆分离与分级知识库：系统将项目状态、每个 agent 的分层工作记忆（当前认识、关键假设、已排除路线、下一步计划）、跨任务共享知识库 Books 分开保存。Books 中的每条记录须说明做法、理由、适用条件并附原始证据，按可信度分为「观察」、「已验证」、「约定」三级，新证据出现时可修正已有记录。

Hyra 2.0 目前是腾讯混元内部的科研研发系统，非对外开放的 SaaS 产品。

范式升级：从agent 直接解题转向agent 研发和升级科研工具，成果可被后续研究反复使用，形成智能复利。
长期研发能力：Overall、Mission、Worker 三层架构加持久化队列，支持数天至数周的长周期、多项目并行研究。
结论可信度高：Review Worker 在新上下文中独立复核，且要求附代码版本、日志等证据，降低 agent 自证错误的风险。
经验可沉淀：项目状态、agent 记忆、共享知识库三层分离，Books 按观察—已验证—约定分级管理，skill 可跨任务复用。
端到端造模型：HyInv、HyPLM 等均为从头完成预训练、微调、强化学习和推理优化的新模型。
领域覆盖广：首批成果横跨蛋白质设计、分子模拟、数学证明、量子纠错、机器人本体设计和芯片优化六个领域。

项目官网：https://hy.tencent.com/research/hyra2?langVersion=zh

药物设计与酶工程：调用 HyInv 等逆折叠模型，在 50 毫秒内完成 128 条蛋白质序列设计，加速候选分子筛选。
分子动力学模拟：以 HyFF 原子级力场驱动大规模模拟，在原子尺度追踪分子运动与反应过程，支撑材料与药物研发。
数学理论研究：借助 HyProver 工作流组织猜想提出、证明构造与独立复核，辅助数学家攻克开放问题。
量子纠错码研发：用 HyQEC 构造新量子码并精确认证码距，为量子计算机的纠错开销优化提供工具。
芯片设计与验证：像优化香山处理器那样开展性能调优、fuzz 测试与形式化验证，缩短芯片迭代周期。