AI 科研从刷题转向造工具:腾讯混元发 Hyra 2.0,成果能攒复利

●

科技快讯 · 行业 · 中国

11.3 · 2026

上一次它用 AI 解出悬置五十年的数学难题，这一次它让 AI 别急着解题——先去造解题的工具。

数据：腾讯混元官方/IT之家 · 2026.11.1（混元官方 research 页 11-1《Hyra 2.0：自动化科研的下一步》一手；IT之家 11-2 21:08；凤凰网 11-2 12:51）

11 月 1 日，腾讯混元发布 AI 科研系统 Hyra 2.0：研发重点从直接用 AI 攻克科学难题，转向让通用 Agent 参与科学模型、研究工作流及软件工具的研发与升级——一次研发的成果在后续研究中反复使用，官方称之为「智能复利」。此前 Hyra 1.0 曾驱动开源模型解决加法组合学中悬置五十余年的开放问题。

架构上，Hyra 2.0 把研究拆成三层：Overall 与人类研究者沟通对齐目标，Mission 长期负责单一课题并判断路线取舍，Worker 独立读代码、做实验、分析失败原因——并且可以质疑 Mission 的判断。存储侧设计了项目状态、Agent 分层记忆与共享知识库 Books 三套分离机制，项目复盘时把可迁移方法整理成 skill，供后续任务直接调用。

主编点评

一句话看懂：科研 agent 的进化方向不是更会做题，而是把每次做题的经验变成下一代工具。

第一层看范式转变的实质：「刷题」模式的瓶颈是每次攻坚从零开始、收益不累积；「造工具」把每次攻坚的副产品——工作流、代码、经验——资产化，让下一场攻坚站在上一场的肩膀上。这与 DeepSeek Super-agent 的「人上移到验收」（11.2 期）、GitHub 上 agent skill 生态的兴起是同一股水流：agent 的竞争力从单次智能转向组织记忆。第二层看架构里最锐的一刀：允许 Worker 质疑 Mission 的判断——科研场景里路线错误最贵，让执行层保留否决权等于把「审稿人」内嵌进系统；三套分离存储则是对上下文污染的工程化防守。第三层看时间点的呼应：11 月第一天，两家国内大厂不约而同把 agent 叙事从「干活」推进到「沉淀」，而且是各自独立得出的相似答案，国产阵营的 agent 工程方法论正在成形。泼冷水：「智能复利」目前是机制描述，复利倍率没有量化数据；验证案例仍以 1.0 的数学问题为主，跨学科泛化待证。