7月21日，騰訊混元團隊正式發佈Hyra-1.0（Hunyuan Research Agent），這是一款能夠遞歸自我改進、專爲性能導向的研究與工程任務打造的智能體。該系統遵循"The Bitter Lesson"設計哲學——框架儘量輕量，智能體動作空間儘量廣闊，以一個簡單通用的循環框架，將智能和算力轉化爲真實收益。

Hyra的核心架構由三部分組成:Context Agent負責維護經驗庫並持續生成"靈感"上下文填入任務隊列;多個Proposal Agent從隊列領取上下文、在獨立沙盒中生成並運行解決方案;整個系統以異步生產者-消費者流水線運轉，資源利用率隨時間高效擴展。對於未提供評估器的任務，Hyra可升級爲雙層循環，讓解決方案與評估機制共同進化，有效抑制reward hacking。

QQ20260721-135303.jpg

在AI for AI領域，Hyra在三項基準測試中均超越Recursive報告的最優結果:NanoChat Autoresearch任務中將驗證集BPB降至0.9015;在社區已深度優化的NanoGPT Speedrun上將達到3.28驗證損失的時間縮短至76.4秒;SOL-ExecBench上對235個GPU kernel聯合優化後Mean SOL達到0.771。

在AI for Science領域，Hyra從EinsteinArena等數據庫中選取55個數學開放問題，其中29個刷新了歷史最佳紀錄。團隊還向Hyra提供了1749年至1932年的逐月太陽黑子數據，Hyra發現的遞推公式在近一個世紀的樣本外數據上取得R²=0.77的預測精度。更具突破性的是，Hyra設計出僅需15個可訓練參數即可完成10位數加法的Transformer，較此前公開記錄減少58.3%;其量子比特路由算法在IBM Q20上較經典SABRE算法提升44.4%的路由效率;在藥物設計方面，Hyra針對抗癌靶點PARP1生成的候選分子，結合成藥性評分顯著超過已上市藥物olaparib。

在AI for Fun領域，Hyra開發的黑白棋對弈程序在Botzone平臺730個參賽程序中排名第三;僅憑單張2D參考圖像即可生成可渲染的3D模型;還能根據旋律爲多種樂器編寫完整和聲，經7輪進化後生成豐富色彩的完整配器。

騰訊混元團隊表示，這些仍屬初步成果，未來將把Hyra接入產品系統、真實AI研發流水線及工業場景，轉動"腳手架-數據-模型"的進化循環，讓新一代混元模型與Hyra持續共進化。