从「刷题」到「造工具」：目标函数换了
11 月 2 日，腾讯混元经官方公众号发布科研智能体系统 Hyra 2.0。距离 Hyra 1.0 发布约三个月——上一代系统在开源模型 Hy3 驱动下解决了加法组合学中悬置五十余年的和集与差集最优指数问题，验证了「给 AI 一道有明确评判标准的难题、让它循环尝试」这条路走得通。而 2.0 版本把靶心从答案挪开了：官方将其定位为让通用 agent 参与科学模型、研究工作流与软件工具的研发和升级，让一次研发的成果在后续研究中被反复使用——腾讯把这个逻辑称作「智能复利」。解一道题，收益只有一次；升级一件工具，所有下游任务同时受益。
这个转向的背景值得注意：混元在官方稿中梳理了这条赛道的竞争坐标——AlphaFold、AlphaGeometry 代表面向特定问题的专用系统，AlphaEvolve 与 Hyra 1.0 代表通用模型驱动 agent 直接解题的范式；而 OpenAI 在两个多月里相继公布内部模型在十个长期开放问题上的进展、Navier–Stokes 千禧年问题的解答以及 722 篇数学手稿，Anthropic 也披露 Claude 在不到四周内加速了 30 多个开源生物分子模型。解题赛道已然拥挤，Hyra 2.0 选择攀登官方口中「更难的一级台阶」：端到端做出一个新模型，从设计、实现到部署。
Harness：三层分工、三套存储、一道人工审批闸门
造工具和做题对工程底盘的要求完全不同——训练一个模型动辄数天数周，多个项目并行时还要处理实验等待、资源分配与方向调整，这很难靠一条不断延长的 agent 会话来管理。Hyra 2.0 的应对是把系统接入团队的真实研发环境：在企业微信里与研究者对齐需求，在计算平台上提交和管理实验，在代码仓库里实现与验证改动。涉及较大算力开销和共享知识同步的操作需要经过人工审批，已获准的工作则由系统自主推进。
分工上，系统采用三层结构：Overall 层与人类研究者沟通、管理项目优先级与关键决策；Mission 层长期负责一个研究问题，决定路线取舍并对结论负责；Worker 层独立读代码、做实验、分析失败原因，甚至可以质疑 Mission 的判断——不同 Worker 可挂载不同模型，提供差异化的分析与复核意见。存储侧则把项目状态、agent 分层记忆与共享知识库 Books 三套信息分开保存，经验记录分为「观察」「已验证」「约定」三档，只有经过独立复现的发现才能成为可靠依据。Worker 交活必须附上代码版本、实验结果与运行轨迹等证据，需要独立验证时系统会另起一个先接触原始问题的 Review Worker，减少执行者结论带来的锚定。
成果清单：六个方向，全部指向「可复用」
与很多概念性的 agent 框架发布不同，Hyra 2.0 交出的是一批已完成研发与升级的具体工具，官方表示将把成果持续公开在 GitHub 仓库供社区检验与复用。蛋白质方向，HyInv 用 196 万参数的图神经网络做逆折叠设计，官方口径下生成速度较制药行业常用的 ProteinMPNN 提升至 57 倍、与目标结构的吻合程度更优，单张 H20 上 50 毫秒可生成 128 条约 400 残基的序列；蛋白质语言模型 HyPLM-Flash 以 6.5 亿参数、7260 亿 token 的训练用量，在 12 个对比模型中推理速度居首、35 项评测任务平均排名第 3。分子模拟方向，力场模型 HyFF 提供五档规模（230 万至 12 亿参数）、覆盖 83 种元素，与 16 个公开模型对比全部位于精度-速度帕累托前沿，已支撑近 6 万原子的水通道蛋白膜体系完成 100 纳秒模拟。
数学方向，HyProver 把证明过程组织成「提出猜想—构造证明—独立复核」的工作流，官方称协同数学家核验并整理了丘成桐圆周作用猜想与五维 Petty 等距点猜想的证明。量子方向，HyQEC 用 Split Pauli-CPM 算法构造并严格验证了量子码 [488,123,22]，编码效率指标 kd²/n 达到 122.0，在非 CSS、校验权重不超过 8 的条件下较 qLDPC Challenge 原纪录提升约 48%，并为排行榜 187 个条目中的 178 个完成精确码距认证。更外延的两项探索：机器人结构上，系统自主设计出五指呈旋转楼梯状排列的「旋梯手」，在 DR5 仿真评测中经同等预算策略微调后旋转速度 3.28 rad/s、反超论文基线的 2.55；处理器方向，系统对开源 RISC-V 项目香山完成性能调优，SPEC 每 GHz 得分几何平均值提升 5.79%，新 fuzz 测试发现 10 个官方 issue 列表之外的 bug，并通过 TLA+ 形式化验证找到多核缓存一致性反例、修复贡献给开源末级缓存 OpenLLC。
为什么重要：评判科研智能体的标尺正在换
这份发布的价值不在某个单点数字——57 倍、48% 这些数字都出自厂商自述基准对比，未经第三方验证——而在它把「AI 自动化科研」的评价维度从单次成绩切换到了资产沉淀：衡量一次研究的成果，除了得到什么答案，还要看为后续研究留下了什么。官方还把这套逻辑接入了递归自我改进（RSI）的语境：Hyra 2.0 参与升级训练基础设施、数据合成管线与推理系统，帮助训练下一代 Hy 模型，而更强的模型又反过来成为它造工具的手。若这条飞轮真的转起来，模型迭代速度的差距将不再只取决于算力和数据，还取决于谁的工具链沉淀更厚。
当然，边界也要说清：旋梯手目前仅限仿真环境、未经真机验证；量子码与数学证明的核验依赖系统内建的独立复核与数学家协同；香山的提速幅度按官方性能看板的历史迭代速度估算，大致相当于官方团队两到三个月的迭代量，这个换算本身是腾讯的口径。对行业而言，值得关注的是可复现性——成果仓库已经公开，第三方能否复跑出官方口径的成绩，将决定这条「造工具」路线是范式叙事还是真实的生产力。
口径说明：文中全部性能对比数据（57 倍、kd²/n=122.0、+5.79% 等）引自腾讯混元官方公众号（2026.11.02），属厂商自述口径、未第三方验证；相关技术报告与成果将经 GitHub 仓库 Tencent-Hunyuan/hyra-results 及后续技术报告公开。