Hyra是什么
Hyra，全称Hunyuan Research Agent，是腾讯混元在2026年7月21日发布的一款研究智能体。它的定位很简单：帮研究人员自动搞定AI研究、科学发现、工程优化这类复杂活儿。核心思路是通过经验积累、方案探索和自动评估，递归地自我改进，把研究人员从繁琐的实验和优化中解放出来。
- 工具名称：Hyra（Hunyuan Research Agent），腾讯混元研究智能体。
- 开发公司：腾讯混元团队。
- 发布时间：Hyra-1.0于2026年7月21日正式发布，是Hyra系列的首个公开版本。
- 主要功能：支持AI模型优化、数学发现、GPU Kernel优化、量子计算、药物设计、3D建模等任务。
- 技术特点：采用轻量Harness架构，通过Context Agent、Proposal Agent和Experience Bank实现持续探索。
- 使用方式：主要面向研究人员和开发者，任务定义、智能体循环、自动评估，一条龙搞定。
- 价格说明：目前公开信息主要集中在研究发布和实验结果，未公布商业订阅价格。
- 适用人群：AI研究人员、算法工程师、科研团队，以及需要自动化优化任务的开发者。
Hyra的核心优势
- 递归改进能力：通过经验库记录代码、日志和评估结果，不断生成优化方案。在NanoChat、NanoGPT、SOL-ExecBench三项任务中，都超过了Recursive基线。
- 科研任务适配：采用轻量Harness框架，把任务拆解成探索、执行、评估、优化循环，覆盖AI研发、数学发现、工程优化等多个场景。
- 评估器共进化：支持双层循环机制，不仅优化方案，还能根据历史反馈升级评估标准，降低AI针对指标作弊的风险。
- 多领域应用能力：Hyra已经在AI模型优化、量子计算、药物设计、3D建模等领域展示了应用案例，覆盖十余个研究方向。
- 自动化实验流程：通过Context Agent和Proposal Agent协作，把方案生成、代码运行、结果评分自动串联，减少人工重复实验成本。
- 开放复现能力：实验产物和案例代码公开，研究人员可以基于已有结果继续测试和优化，提升科研协作效率。
Hyra的主要功能
- 经验库管理：Context Agent负责保存历史方案、运行日志和评估反馈，为后续任务提供可复用经验和优化方向。
- 方案自动生成：Proposal Agent根据任务上下文创建新的方案文件，通过solve.sh入口运行测试，适合自动化研发任务。
- 沙盒执行评估：每个方案都在独立环境运行并评分，帮助研究人员快速比较不同方案效果，降低实验风险。
- 自动模型优化：支持训练策略、GPU Kernel和系统流程优化，例如Hyra在SOL-ExecBench中将Mean SOL提升至0.771。
- 科学发现辅助：能够分析数据寻找规律，在55个数学开放问题中刷新了29个历史最佳结果，并生成科学计算方案。
- 创意任务探索：支持3D建模、游戏Bot、音乐编排等开放任务，通过反馈循环持续优化生成结果。
如何使用Hyra
- 定义研究任务：输入模型优化、算法设计或科学计算目标，并设置评估指标。Hyra可以根据任务选择已有评估器，或生成初始评估方案。
- 启动Harness框架：提交任务后，Hyra自动初始化Context Agent和Proposal Agent，负责经验整理、方案生成和优化流程。
- 生成测试方案：Proposal Agent根据经验上下文创建方案，通过solve.sh入口运行，并在独立沙盒环境中完成测试。
- 评估积累经验：系统根据运行结果评分，并将代码、日志和反馈保存至Experience Bank，支持后续优化。
- 循环探索优化：Hyra持续分析历史结果，生成改进方案，直到达到预算限制或找到更优方案。
- 获取最终方案：任务完成后返回最佳方案和实验记录，方便研究人员复现和继续优化。
Hyra的应用场景
- AI模型研发：适合研究人员优化训练方案、数据策略和推理系统，例如Hyra在NanoChat任务中将Validation BPB降低至0.9015。
- GPU性能优化：适用于底层工程优化，通过自动生成和测试Kernel方案，提高计算效率，Hyra在SOL-ExecBench达到Mean SOL 0.771。
- 数学科学发现：科研人员可以输入开放数学问题，让Hyra探索新解法，目前已在55个问题中刷新29个历史最佳结果。
- 药物分子设计：可用于早期药物研发，通过目标分子设计和模拟评分筛选候选结构，但仍需实验验证。
- 量子计算优化：可帮助设计量子比特路由算法，在IBM Q20测试中相比SABRE提升44.4%的路由效率。
- 创意内容生成：适合3D设计、游戏策略和音乐创作，通过多轮反馈优化作品质量，提高创作探索效率。
Hyra的价格与付费方案
目前Hyra主要以科研项目形式公开，腾讯尚未公布面向普通用户的商业订阅价格、API价格或免费额度。现阶段Hyra更接近研究型智能体平台，主要服务对象是AI研究人员、开发团队和科研机构。
使用Hyra时需要注意的问题
Hyra目前定位为研究智能体，不是普通的内容生成工具。使用过程中需要具备任务设计、实验评价和结果分析能力。部分实验结果仍处于模拟验证阶段，例如药物设计需要进一步经过合成和湿实验验证。此外，自动优化系统可能出现针对评估指标优化的问题，因此需要合理设计评价体系。
和其他AI工具相比，Hyra有哪些差异？
| 对比维度 | Hyra | Recursive Research Agent | AlphaEvolve | ChatGPT Deep Research |
|---|---|---|---|---|
| 产品定位 | 腾讯混元推出的科学发现智能体，面向AI研发、科学计算和工程优化任务。 | 自动化研究智能体，主要探索模型训练和工程优化方向。 | Google DeepMind推出的算法发现智能体，重点优化数学和算法问题。 | ChatGPT中的研究功能，主要用于资料检索、分析和报告生成。 |
| 核心机制 | 采用Experience Bank经验库、Context Agent和Proposal Agent协作，通过循环优化方案。 | 通过自动实验循环搜索更优方案，重点关注模型研究任务。 | 利用Gemini模型驱动算法搜索和代码优化。 | 通过网络搜索、资料分析和推理生成研究结果。 |
| 自动实验能力 | 支持生成代码、沙盒运行、自动评分，并根据结果持续优化。 | 支持自动执行研究任务，但公开案例主要集中于AI优化领域。 | 支持算法实验和结果验证，适用于数学和工程问题。 | 主要完成信息分析，不以代码执行和实验优化为核心。 |
| 评估优化能力 | 支持双层循环，可同步优化方案和评估器，降低奖励漏洞风险。 | 主要围绕已有评估标准优化任务结果。 | 侧重算法结果优化，未公开强调评估器共进化机制。 | 依赖已有信息和用户需求，不提供科研循环优化。 |
| 代表成果 | 在NanoChat、NanoGPT Speedrun、SOL-ExecBench测试中超过Recursive结果，并在55个数学问题中刷新29个最佳结果。 | 参与自动化AI研究任务，提供公开基准测试方案。 | 完成4×4复数矩阵乘法优化，将标量乘法降低至48次。 | 适用于复杂资料整理、行业研究和文献分析。 |
| 适用场景 | 科研实验、模型优化、算法研究、量子计算、药物设计等专业任务。 | AI工程研发和模型训练优化。 | 算法发现、数学优化和代码搜索。 | 市场分析、知识整理、研究报告生成。 |
说到底，Hyra与Recursive Research Agent、AlphaEvolve属于自动化研究智能体方向，而ChatGPT Deep Research更偏向信息检索和知识分析。从公开测试数据来看，Hyra的核心优势在于持续实验、经验积累和评估器优化，特别适合那些需要长期探索的科研与工程任务。
关于Hyra的常见问题
Hyra怎么用？需要编程基础吗？
Hyra主要面向研究人员和开发者，使用前需要能够定义研究任务和评价目标。和普通AI聊天工具不同，Hyra更强调实验流程设计，所以需要一定的技术背景。
Hyra免费吗？有没有公开价格？
目前Hyra没有公布面向个人用户的收费方案，也没有公开API价格或免费额度。
Hyra效果如何？能够提升多少效率？
在公开测试中，Hyra展示了自动优化能力。NanoChat任务中Validation BPB达到0.9015，NanoGPT任务中3.28 loss时间缩短至76.4秒，SOL-ExecBench中Mean SOL达到0.771。这些数据说明，它在特定研究任务中确实能减少人工实验成本。
Hyra支持哪些功能？
Hyra支持AI模型优化、GPU Kernel优化、数学发现、量子计算、药物设计、3D建模和音乐生成等任务。
Hyra和AlphaEvolve哪个好？
两者的定位不同。AlphaEvolve主要用于算法发现，而Hyra覆盖更广泛的研究场景，包括AI研发、科学发现和工程优化。选择哪种工具，关键看任务类型：算法优化更适合AlphaEvolve，综合研究任务则更适合Hyra。
Hyra适合普通用户使用吗？
目前Hyra更适合科研人员、算法工程师和技术团队。如果只是需要内容生成、办公辅助或图片处理，传统AI工具更容易上手。Hyra的主要价值在于复杂研究和工程优化领域。
Hyra未来会应用在哪些方向？
腾讯表示，未来Hyra将继续参与下一代Hy模型迭代，并探索真实AI研发流水线、产品系统和工业场景。