Am 2. November hat Tencent Hunyuan Hyra 2.0 veröffentlicht, ein agentisches Framework für die wissenschaftliche Forschung, und die Idee dahinter hat sich geändert: Statt ein schwieriges Problem direkt von der KI lösen zu lassen, sollen Agenten wiederverwendbare wissenschaftliche Modelle, Workflows und Softwarewerkzeuge entwickeln. Wenn Forschung Tage oder sogar Wochen dauert, hilft ein einzelner Frage-Antwort-Austausch nicht weiter; wertvoll ist ein System, das Experimente selbst vorantreibt und Werkzeuge ansammelt. Hyra 2.0 setzt auf die zweite Art von Fähigkeit.
Was jede der drei Agentenebenen übernimmt
Hyra 2.0 teilt die Arbeit in drei Ebenen: Overall übernimmt die Ressourcenkoordination, Mission die Forschungsplanung und Worker die Versuchsdurchführung. Die drei Agentenebenen sind mit WeChat Work, Rechenplattformen und Code-Repositories verbunden und arbeiten in einer echten Forschungsumgebung, statt in geschlossenen Testaufgaben Punkte zu sammeln. Der Vorteil der Arbeitsteilung ist klare Verantwortung: Ein falscher Plan lässt sich zurückverfolgen, ein gescheitertes Experiment wiederholen, und ein fertiges Werkzeug für die nächste Aufgabe behalten.
Proteine, Quantencodes und Chips: Was jedes Ergebnis zeigt
Tencent Hunyuan hat drei Arten bereits erzielter Ergebnisse veröffentlicht. Im Bereich Proteine hat Hyra 2.0 zwei Modelle von Grund auf trainiert, HyInv und HyPLM-Flash: HyInv hat nur 1,96 Millionen Parameter, kann Proteinsequenzen nach einer Zielstruktur entwerfen und generiert 57-mal schneller als das weit verbreitete ProteinMPNN; HyPLM-Flash hat 650 Millionen Parameter und wurde mit 726 Milliarden Trainingstoken trainiert. Gewichte, Inferenzcode und technische Berichte beider Modelle sind veröffentlicht. Im Quantenbereich hat das Werkzeug HyQEC einen Quantencode konstruiert, dessen Kodierungseffizienz etwa 48 Prozent über dem bisherigen Bestwert der qLDPC Challenge liegt. Im Chipbereich hat Hyra 2.0 an der Optimierung des Open-Source-RISC-V-Prozessors Xiangshan mitgewirkt und die SPEC-CPU2006-Leistung pro GHz um 5,79 Prozent gesteigert, bei nur 0,3 Prozent mehr Chipfläche. Außerdem hat es eine fünffingrige „Treppenhand" entworfen, deren Finger stufenweise länger werden.
Gemeinsam ist diesen Ergebnissen die Wiederverwendbarkeit: Modelle, Werkzeuge und Entwurfsmethoden bleiben erhalten, sodass das nächste Forschungsprojekt darauf aufbauen kann, statt jedes Mal von null anzufangen. Hyra 2.0 wirkt auch bereits am Pretraining, Post-Training und an der Optimierung des Inferenzsystems für die nächste Generation der Hunyuan-Modelle mit – KI verbessert also Forschungsinstrumente, um stärkere Modelle der nächsten Generation trainieren zu helfen.
Ein Vorbehalt bleibt jedoch: Alle Zahlen oben stammen aus der Veröffentlichung von Tencent Hunyuan, und die bisherige Berichterstattung sagt nichts über eine unabhängige Reproduktion oder ein Peer Review. Hyra 2.0 richtet sich an Forschungsteams und ist kein Produkt, das normale Nutzer direkt herunterladen und verwenden können. Entscheidend ist nun, ob externe Teams die veröffentlichten Modelle und den Code reproduzieren können und ob das Framework auch außerhalb der internen Umgebung von Tencent in anderen Forschungsszenarien genauso funktioniert.
