11月2日，腾讯混元发布科研智能体框架Hyra 2.0，思路变了：不再让AI直接去解一道难题，而是让智能体去研发可以反复用的科学模型、工作流和软件工具。研究要持续数天甚至数周时，单次问答帮不上忙，能自己推进实验、积累工具的系统才有价值，Hyra 2.0赌的就是后一种能力。
三层智能体各自管什么
Hyra 2.0把工作拆成三层：Overall负责资源协调，Mission负责研究规划，Worker负责实验执行。三层智能体接入企业微信、计算平台和代码仓库，在真实的研发环境里干活，而不是在封闭的测试题里跑分。分工的好处是责任清楚：规划错了可以回溯，实验失败可以重做，工具做好了可以留给下一个任务。
蛋白质、量子码、芯片，三个成果各说明什么
腾讯混元公布了三类已经做出来的成果。蛋白质方向，Hyra 2.0从头训练出HyInv和HyPLM-Flash两款模型：HyInv只有196万参数，能按目标骨架设计蛋白质序列，生成速度比常用的ProteinMPNN快57倍；HyPLM-Flash有6.5亿参数，用了7260亿训练token。两款模型的权重、推理代码和技术报告已经公开。量子方向，HyQEC工具构造的量子码，编码效率比qLDPC挑战赛此前的最好成绩高约48%。芯片方向，Hyra 2.0参与优化开源RISC-V处理器“香山”，SPEC CPU2006每GHz性能提高5.79%，芯片面积只增加0.3%。它还设计了一只五根手指长短递增的“旋梯手”。
这些成果的共同点是可复用：模型、工具和设计方法留下来了，下一个研究可以直接接着用，而不是每次从零开始。Hyra 2.0也已经参与下一代混元模型的预训练、后训练和推理系统优化，等于让AI通过改进研发工具，去帮着训练更强的下一代模型。
不过要提醒一句：上述数字都来自腾讯混元的发布内容，独立复现和同行评议的情况，现有报道没有交代。Hyra 2.0面向的是科研团队，不是普通用户能直接下载使用的产品。接下来值得看的是，公开的模型和代码能不能被外部团队跑通，以及这套框架离开腾讯内部环境后，在别的科研场景里是否同样管用。
