AI 不刷题了,改去造工具:Hyra 2.0 押的是一个复利逻辑

11 月 2 日，腾讯混元把 Hyra 从 1.0 推到 2.0。发布材料里有一句话被反复引用：不再直接用 AI 硬啃科学难题，而是让 Agent 去研发科学模型、研究工作流和软件工具。

这个转向有具体的来由。三个月前的 Hyra 1.0 是一套面向通用科研问题的极简 agent 循环，发布一周后，在开源模型 Hy3 的驱动下，它解决了加法组合学里悬置五十多年的一个开放问题——和集与差集的最优指数。按腾讯的说法，这是国产开源模型首次全自动解决数学开放问题。

成绩很好，但腾讯自己在发布文里提了一个反问：解出一道题，下一次研究的能力并不会因此提高。

一、解题的收益只有一次，工具的收益可以被反复调用

同一段推理，用在题目上是一次性消耗；用在工具上，会被后面所有用到这个工具的任务继承。腾讯给这个逻辑起了个名字，叫"智能复利"。

逻辑在工程上成立得很干净。一件工具升级一次，所有下游任务同时受益，边际成本摊薄；一道题解完，下一个问题是新的开始。过去两年 AI4Science 的几次范式迭代——从 AlphaFold 这类面向特定问题的专用模型，到 AlphaEvolve、Hyra 1.0 这类由通用模型驱动 agent 直接解题——都还停在"答案"这一层。

但复利要成立有一个前提：工具得真的被别人用起来。造出来的东西没人接手，它就还是一次性的解题成果，只是换了个交付形态。

二、三层架构：谁对齐人，谁盯问题，谁动手

Hyra 2.0 把研究工作拆成三层。Overall 层负责和人类研究者沟通、对齐目标；Mission 层长期盯住单一研究问题，判断路线取舍；Worker 层独立读代码、做实验、分析失败原因。

系统里最值得看的是两个设定。一是 Worker 可以质疑 Mission 的判断，权限不低——长周期任务最常见的失败不是执行不到位，而是路线一开始就偏了，而没人有资格喊停。二是独立的复核者，专门检查代码、日志和原始结果。

配套的是三套分离的存储：项目状态、Agent 分层记忆、共享知识库 Books。项目复盘时，可迁移的方法会被整理成 skill，后面的任务直接调用。为了撑住持续数天到数周的研究，Hyra 2.0 接入了企业微信、计算平台和代码仓库，任务队列保存进展；较大的算力开销和共享知识同步，仍然需要人工审批。

这套设计装的是"组织"，不是"能力"。模型本身没变聪明多少，变的是它被放进了一个有分工、有记忆、有复核的结构里。

三、成绩单：57 倍、13 万残基、83 种元素

腾讯公布的初步成果集中在蛋白质和分子模拟两个方向。

蛋白质逆折叠模型 HyInv，196 万参数，根据目标骨架设计蛋白质序列，生成速度比行业常用的 ProteinMPNN 快 57 倍；单张 H20 显卡上，生成 128 条约 400 个残基的序列只要 50 毫秒。蛋白质语言模型 HyPLM-Flash 是 6.5 亿参数，用 7260 亿 token 训练，在 12 款对比模型里速度第一，35 项任务平均成绩第三，单卡每秒处理约 13 万个残基。分子模拟方向是 HyFF 系列五款力场模型，参数从 230 万到 12 亿，覆盖 83 种元素。此外还有量子纠错工具 HyQEC。

机器人方向还产出了一个五指"旋梯手"结构：在 DR5 仿真评测中，经相同预算的策略微调后，物体旋转速度比论文最优设计快 28.6%。腾讯明确标注了"尚未经过真机验证"。

这些数字有一个共同点——全是效率指标，不是发现指标。快 57 倍意味着同样的活干得更快，不意味着干出了新东西。这不贬低它的分量：科研里大量时间确实耗在跑实验、试参数、改代码上。但把它读成"AI 开始自己做出科学发现"，就过头了。

四、门槛从"能不能做"移到了"怎么证明对"

科学结果的可信度建立在复现上。Agent 造出来的工具，谁来验证？

Hyra 2.0 的答案是独立复核者，检查代码、日志和原始结果。这个岗位在系统里是硬的，但复核者本身也是模型，它的判断标准从哪来，发布材料没说透。

真正贵的部分正在从算力转向评估。这也解释了 Hyra 为什么反复强调"有明确评判标准的难题"——数学有标准答案，蛋白质结构有实验数据可以对，大量生物学和材料学问题没有。评判标准缺失的领域，Agent 循环跑得再久也收敛不了。所谓自动化科研的天花板，短期不在生成能力，在验证能力。

"旋梯手"那句"尚未真机验证"的自注，比 28.6% 这个数字更值得看。知道边界在哪，比知道成绩在哪更重要。

五、竞赛的计量单位正在变

把 11 月这几天连起来看：乌镇的"互联网之光"博览会上，混元 Hy4 preview 发布即全面开源，主打长程任务的理解、规划与验证；Deep Principle 发布 753B 的 Hydrogen-1.0，覆盖化学、材料与生命科学，以 MIT 协议开放权重；商汤的 SenseNova 6.8 Flash 把交付形态推到动态 PPT、动态海报和可编辑的 Blender 工程。

模型能力的差距在被快速抹平，能拉开距离的是配套：谁能把工具、验证、记忆、权限管明白。

评价一家 AI 公司的科研实力，以后可能要多一个维度——它造的工具，有多少是别人也在用的。这个维度比榜单难刷，因为它不看你发了什么，看别人接了什么。

复利的前提是有人接着用。工具造出来没人用，就还是一次解题。