腾讯放出＂AI科学家＂:自己训蛋白、造机械手

▲戳上面的蓝字关注我们哦！

11月2日，腾讯混元发布 AI 科研系统 Hyra 2.0。

它不再是让 AI 直接去攻克科学难题，而是让通用 Agent 参与搭建科研模型、研究工作流和软件工具，让一次研发的成果在后续研究里被反复复用。

简单说，科研范式从"刷题解题"被推向了"造工具"——这层变化，比多解几道题更有后劲。

Hyra 2.0 架构示意：从解题到造工具（信息图，图源：凤凰网科技）

为了撑起动辄数周的研究，Hyra 2.0 把活拆给三层：Overall 对接人类研究者、对齐目标；Mission 长期跟进同一个研究问题、判断方向取舍；Worker 独立读代码、做实验、排查失败原因，甚至能质疑 Mission 的判断。

系统还配了三套独立存储：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，供后续任务直接调用。

每一条结论都得附代码和日志当凭证，存疑时交独立 Agent 复核——这让它不像只会聊天的模型，更像个工作流里的研究员。

两款蛋白质模型从零训出：HyInv 依目标骨架反推序列，比 ProteinMPNN 快 57 倍，单张 H20 上生成约 400 残基序列仅约 50 毫秒；6.5 亿参数的 HyPLM-Flash 吃下 7260 亿 token，权重、代码、报告全开源。

它还把开源 RISC-V 处理器香山的 SPEC CPU2006 单 GHz 性能抬了 5.79%，面积只涨 0.3%；设计的五指"旋梯手"，同预算调完控制算法后仿真转速反快 28.6%。

从生物到芯片再到机械手，成绩单已经铺开了。

Hyra Hand 机械手科研成果对比图（图源：AIBase）

更值得玩味的是：Hyra 2.0 已经插手下一代混元模型的预训练、后训练与推理优化。

当 AI 开始改良"造 AI 的工具"，更强的模型或许就会从这台"科研永动机"里自己长出来——这也是它最让人细思极恐的地方。

前两天 MiniMax H3 被英伟达拿去当视频生成底座，是"国产模型被国际巨头借力"；腾讯这条，则是"AI 自己造科研工具"。

国产大模型的应用边界，正在从聊天、写代码，一路卷到科学研究。这类科研 Agent 的真正价值，不在于发多少论文，而在于把可复用的方法沉淀下来，让后来者站在肩膀上。

这件事，值得长期盯。