Hyra – 腾讯混元推出的科学发现智能体

Hyra是什么

Hyra，全称Hunyuan Research Agent，是腾讯混元在2026年7月21日发布的一款研究智能体。它的定位很简单：帮研究人员自动搞定AI研究、科学发现、工程优化这类复杂活儿。核心思路是通过经验积累、方案探索和自动评估，递归地自我改进，把研究人员从繁琐的实验和优化中解放出来。

• 工具名称：
  Hyra（Hunyuan Research Agent），腾讯混元研究智能体。

• 开发公司：
  腾讯混元团队。

• 发布时间：
  Hyra-1.0于2026年7月21日正式发布，是Hyra系列的首个公开版本。

• 主要功能：
  支持AI模型优化、数学发现、GPU Kernel优化、量子计算、药物设计、3D建模等任务。

• 技术特点：
  采用轻量Harness架构，通过Context Agent、Proposal Agent和Experience Bank实现持续探索。

• 使用方式：
  主要面向研究人员和开发者，任务定义、智能体循环、自动评估，一条龙搞定。

• 价格说明：
  目前公开信息主要集中在研究发布和实验结果，未公布商业订阅价格。

• 适用人群：
  AI研究人员、算法工程师、科研团队，以及需要自动化优化任务的开发者。

Hyra的核心优势

• 递归改进能力：
  通过经验库记录代码、日志和评估结果，不断生成优化方案。在NanoChat、NanoGPT、SOL-ExecBench三项任务中，都超过了Recursive基线。

• 科研任务适配：
  采用轻量Harness框架，把任务拆解成探索、执行、评估、优化循环，覆盖AI研发、数学发现、工程优化等多个场景。

• 评估器共进化：
  支持双层循环机制，不仅优化方案，还能根据历史反馈升级评估标准，降低AI针对指标作弊的风险。

• 多领域应用能力：
  Hyra已经在AI模型优化、量子计算、药物设计、3D建模等领域展示了应用案例，覆盖十余个研究方向。

• 自动化实验流程：
  通过Context Agent和Proposal Agent协作，把方案生成、代码运行、结果评分自动串联，减少人工重复实验成本。

• 开放复现能力：
  实验产物和案例代码公开，研究人员可以基于已有结果继续测试和优化，提升科研协作效率。

Hyra的主要功能

• 经验库管理：
  Context Agent负责保存历史方案、运行日志和评估反馈，为后续任务提供可复用经验和优化方向。

• 方案自动生成：
  Proposal Agent根据任务上下文创建新的方案文件，通过solve.sh入口运行测试，适合自动化研发任务。

• 沙盒执行评估：
  每个方案都在独立环境运行并评分，帮助研究人员快速比较不同方案效果，降低实验风险。

• 自动模型优化：
  支持训练策略、GPU Kernel和系统流程优化，例如Hyra在SOL-ExecBench中将Mean SOL提升至0.771。

• 科学发现辅助：
  能够分析数据寻找规律，在55个数学开放问题中刷新了29个历史最佳结果，并生成科学计算方案。

• 创意任务探索：
  支持3D建模、游戏Bot、音乐编排等开放任务，通过反馈循环持续优化生成结果。

如何使用Hyra

1. 定义研究任务：
   输入模型优化、算法设计或科学计算目标，并设置评估指标。Hyra可以根据任务选择已有评估器，或生成初始评估方案。

2. 启动Harness框架：
   提交任务后，Hyra自动初始化Context Agent和Proposal Agent，负责经验整理、方案生成和优化流程。

3. 生成测试方案：
   Proposal Agent根据经验上下文创建方案，通过solve.sh入口运行，并在独立沙盒环境中完成测试。

4. 评估积累经验：
   系统根据运行结果评分，并将代码、日志和反馈保存至Experience Bank，支持后续优化。

5. 循环探索优化：
   Hyra持续分析历史结果，生成改进方案，直到达到预算限制或找到更优方案。

6. 获取最终方案：
   任务完成后返回最佳方案和实验记录，方便研究人员复现和继续优化。

Hyra的应用场景

• AI模型研发：
  适合研究人员优化训练方案、数据策略和推理系统，例如Hyra在NanoChat任务中将Validation BPB降低至0.9015。

• GPU性能优化：
  适用于底层工程优化，通过自动生成和测试Kernel方案，提高计算效率，Hyra在SOL-ExecBench达到Mean SOL 0.771。

• 数学科学发现：
  科研人员可以输入开放数学问题，让Hyra探索新解法，目前已在55个问题中刷新29个历史最佳结果。

• 药物分子设计：
  可用于早期药物研发，通过目标分子设计和模拟评分筛选候选结构，但仍需实验验证。

• 量子计算优化：
  可帮助设计量子比特路由算法，在IBM Q20测试中相比SABRE提升44.4%的路由效率。

• 创意内容生成：
  适合3D设计、游戏策略和音乐创作，通过多轮反馈优化作品质量，提高创作探索效率。

Hyra的价格与付费方案

目前Hyra主要以科研项目形式公开，腾讯尚未公布面向普通用户的商业订阅价格、API价格或免费额度。现阶段Hyra更接近研究型智能体平台，主要服务对象是AI研究人员、开发团队和科研机构。

使用Hyra时需要注意的问题

Hyra目前定位为研究智能体，不是普通的内容生成工具。使用过程中需要具备任务设计、实验评价和结果分析能力。部分实验结果仍处于模拟验证阶段，例如药物设计需要进一步经过合成和湿实验验证。此外，自动优化系统可能出现针对评估指标优化的问题，因此需要合理设计评价体系。

和其他AI工具相比，Hyra有哪些差异？

说到底，Hyra与Recursive Research Agent、AlphaEvolve属于自动化研究智能体方向，而ChatGPT Deep Research更偏向信息检索和知识分析。从公开测试数据来看，Hyra的核心优势在于持续实验、经验积累和评估器优化，特别适合那些需要长期探索的科研与工程任务。

关于Hyra的常见问题

Hyra怎么用？需要编程基础吗？

Hyra主要面向研究人员和开发者，使用前需要能够定义研究任务和评价目标。和普通AI聊天工具不同，Hyra更强调实验流程设计，所以需要一定的技术背景。

Hyra免费吗？有没有公开价格？

目前Hyra没有公布面向个人用户的收费方案，也没有公开API价格或免费额度。

Hyra效果如何？能够提升多少效率？

在公开测试中，Hyra展示了自动优化能力。NanoChat任务中Validation BPB达到0.9015，NanoGPT任务中3.28 loss时间缩短至76.4秒，SOL-ExecBench中Mean SOL达到0.771。这些数据说明，它在特定研究任务中确实能减少人工实验成本。

Hyra支持哪些功能？

Hyra支持AI模型优化、GPU Kernel优化、数学发现、量子计算、药物设计、3D建模和音乐生成等任务。

Hyra和AlphaEvolve哪个好？

两者的定位不同。AlphaEvolve主要用于算法发现，而Hyra覆盖更广泛的研究场景，包括AI研发、科学发现和工程优化。选择哪种工具，关键看任务类型：算法优化更适合AlphaEvolve，综合研究任务则更适合Hyra。

Hyra适合普通用户使用吗？

目前Hyra更适合科研人员、算法工程师和技术团队。如果只是需要内容生成、办公辅助或图片处理，传统AI工具更容易上手。Hyra的主要价值在于复杂研究和工程优化领域。

Hyra未来会应用在哪些方向？

腾讯表示，未来Hyra将继续参与下一代Hy模型迭代，并探索真实AI研发流水线、产品系统和工业场景。