Le 2 novembre, Tencent Hunyuan a publié Hyra 2.0, un cadre agentique pour la recherche scientifique, et l'idée a changé : au lieu de faire résoudre directement un problème difficile par l'IA, on envoie des agents développer des modèles scientifiques, des flux de travail et des outils logiciels réutilisables. Quand une recherche doit durer des jours, voire des semaines, un simple échange de questions-réponses ne sert à rien ; ce qui compte, c'est un système capable de faire avancer les expériences par lui-même et d'accumuler des outils. Hyra 2.0 parie sur ce second type de capacité.
Ce que gère chacune des trois couches d'agents
Hyra 2.0 répartit le travail en trois couches : Overall s'occupe de la coordination des ressources, Mission de la planification de la recherche et Worker de l'exécution des expériences. Les trois couches d'agents sont connectées à WeChat Work, à des plateformes de calcul et à des dépôts de code, et travaillent dans un véritable environnement de recherche plutôt que de collectionner des points sur des problèmes de test fermés. L'avantage de cette division du travail est la clarté des responsabilités : un plan erroné peut être retracé, une expérience ratée peut être refaite, et un outil terminé peut être conservé pour la tâche suivante.
Protéines, codes quantiques et puces : ce que montre chaque résultat
Tencent Hunyuan a publié trois types de résultats déjà obtenus. Côté protéines, Hyra 2.0 a entraîné deux modèles à partir de zéro, HyInv et HyPLM-Flash : HyInv ne compte que 1,96 million de paramètres, peut concevoir des séquences de protéines à partir d'une structure cible et génère 57 fois plus vite que le très utilisé ProteinMPNN ; HyPLM-Flash compte 650 millions de paramètres et a été entraîné avec 726 milliards de jetons. Les poids, le code d'inférence et les rapports techniques des deux modèles ont été rendus publics. Côté quantique, l'outil HyQEC a construit un code quantique dont l'efficacité d'encodage dépasse d'environ 48 % le meilleur résultat précédent du défi qLDPC. Côté puces, Hyra 2.0 a participé à l'optimisation du processeur open source RISC-V Xiangshan, en augmentant les performances SPEC CPU2006 par GHz de 5,79 % pour seulement 0,3 % de surface de puce supplémentaire. Il a aussi conçu une « main en escalier » à cinq doigts dont la longueur augmente par paliers.
Le point commun de ces résultats est leur réutilisabilité : les modèles, les outils et les méthodes de conception restent disponibles, de sorte que le prochain projet de recherche peut s'appuyer dessus au lieu de repartir de zéro à chaque fois. Hyra 2.0 participe déjà au pré-entraînement, au post-entraînement et à l'optimisation du système d'inférence de la prochaine génération de modèles Hunyuan, ce qui revient à faire améliorer par l'IA les outils de recherche pour aider à entraîner des modèles de nouvelle génération plus puissants.
Une mise en garde s'impose toutefois : les chiffres ci-dessus proviennent tous de la publication de Tencent Hunyuan, et la couverture existante ne dit rien d'une reproduction indépendante ni d'une évaluation par les pairs. Hyra 2.0 s'adresse aux équipes de recherche, et non à un produit que les utilisateurs ordinaires peuvent télécharger et utiliser directement. Ce qu'il faudra observer ensuite, c'est si les modèles et le code publiés peuvent être reproduits par des équipes extérieures, et si le cadre fonctionne aussi bien dans d'autres contextes de recherche une fois sorti de l'environnement interne de Tencent.
