一句话看懂：腾讯混元发布Hyra-1.0，一个能自动完成AI模型设计、数学证明和科学发现的递归自我改进智能体，已在55个数学开放问题中刷新29项最优纪录。
事件核心：发生了什么
腾讯混元正式开源Hyra-1.0——一个基于递归自我改进（RSI）架构的通用研究智能体。Hyra通过“灵感-提案-评估-进化”的双层循环框架，在无需人工干预的情况下，自动在AI训练优化、科学计算、数学发现、量子芯片路由、药物分子设计等十余个场景中生成可执行的优化方案。关键数据包括：在NanoChat任务上将验证BPB降至0.9015，在NanoGPT Speedrun上把达到3.28验证损失的时间缩短至76.4秒，在SOL-ExecBench上联合优化235个GPU内核平均得分达0.771；在EnsteinArena数学开放问题中，Hyra在29个长期未突破的问题上刷新了世界最好结果。
为什么重要
Hyra-1.0展示了“智能体自动改进智能体”的实用闭环。与Google DeepMind的AlphaEvolve或Together AI的协作智能体不同，Hyra的设计强调“轻量框架+高价值环境”——不是追求单点指标，而是利用腾讯内部的产品系统、AI研发流水线和工业级场景提供真实反馈。它能自动检测并防范“reward hacking”行为（如通过泄露未来token降低BPB），并支持评估器与解决方案的共进化。这意味着自动化AI研究从简单的参数调优进入到“研究循环自身可被优化”的新阶段，对加速基础模型研发、降低人力成本具有直接意义。
对用户/开发者/创作者的影响
对AI开发者，Hyra的框架可复用在训练配方探索、GPU核优化、数据策略设计等高频迭代任务，降低实验周期。对科学计算和数学研究者，Hyra的开源成果（所有产物已在GitHub发布）可直接检查、复用和扩展，例如在量子比特路由任务中比传统SABRE算法提升44.4%效率。对药物研发和材料设计领域，Hyra在初步模拟中已探索出优于上市药物olaparib的候选分子，但需注意目前仅为模拟筛选，距离实际应用尚需湿实验验证。对普通用户而言，Hyra的直接影响有限，但它是AI自动化研究走向产品化的关键信号——未来可能降低AI模型的使用和训练门槛。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Hyra-1.0目前主要基于腾讯内部环境和开放基准测试，其框架能否在更广泛的第三方异构硬件和闭源环境中稳定运行，需观察后续开源生态建设。第二，腾讯混元并未公布Hyra的训练成本和算力需求，实际落地时对中小团队是否可负担尚不确定。第三，当前展示的多个Science和Fun案例（如太阳黑子预测、国际象棋AI）只是初步成果，真正要验证其在开放科学发现上的可靠性，需要学术界独立复现和评审。最后需要关注的是，随着自动化研究能力提升，模型与评估器之间的“军备竞赛”可能加速，需要行业共同建立更稳健的评价标准。
来源：公众号：腾讯混元
