騰訊混元發佈科研 Agent Hyra 2.0，把"AI 做科研"從解題推向更野的目標——讓機器自研可長期複用的科學模型、算法與工具。

爲撐起動輒數週的研究，Hyra 2.0 把活拆給三層 Agent：Overall 管資源協調，Mission 做規劃，Worker 跑實驗。任務狀態持久化，等訓練間隙也能推進別的項目；每結論都得附代碼與日誌當憑證，存疑時交獨立 Agent 複覈，跑通的經驗沉澱成 Skill 複用。

從蛋白質到芯片機械手，成績單已經亮出來

兩款蛋白質模型從零訓出：196 萬參數 HyInv 依目標骨架反推序列，比 ProteinMPNN 快 57 倍，單張 H20 GPU 上生成 128 條約 400 殘基序列僅約 50 毫秒；6.5 億參數 HyPLM-Flash 吃下 7260 億 token，權重、代碼與報告全開源。它還把開源 RISC-V 處理器香山的 SPEC CPU2006 單 GHz 性能擡 5.79%、面積只漲 0.3%；設計的五指"旋梯手"初版比原最優慢 11%，同預算調完控制算法後仿真轉速反快 28.6%。

最耐人尋味的是閉環：Hyra 2.0 已插手下一代混元模型的預訓練、後訓練與推理優化。當 AI 開始改良造 AI 的工具，更強的模型或許就從這臺"科研永動機"裏自己長出來。