Tencent zaprezentował Hyrę, uniwersalny autonomiczny system badawczy zaprojektowany w celu przekształcania inteligencji obliczeniowej w wymierne rezultaty w wymagających dziedzinach. Platforma działa w oparciu o ciągłą pętlę sprzężenia zwrotnego, w której agenci AI generują, wykonują i iteracyjnie udoskonalają rozwiązania, czerpiąc z zgromadzonych doświadczeń, co znajduje zastosowanie w badaniach nad sztuczną inteligencją, odkryciach naukowych i tworzeniu kreatywnej zawartości. Hyra wchodzi na arenę, na której kilka laboratoriów — w tym Sakana AI ze swoim AI Scientist oraz różne grupy akademickie — bada autonomicznych agentów zdolnych do prowadzenia zadań badawczych przy minimalnym nadzorze człowieka, jednak nacisk Tencent na dwupoziomowy mechanizm ewolucji ewaluatora oraz szeroki zakres prezentowanych dziedzin wyróżnia zakres tego systemu.

Architektura i główna koncepcja

Architektura Hyry opiera się na lekkim, asynchronicznym szkielecie zaprojektowanym tak, aby utrzymać minimalizm frameworka, jednocześnie zapewniając agentom znaczną autonomię. Centralny Context Agent utrzymuje Experience Bank — repozytorium przechowujące dzienniki wykonania, opinie ewaluatorów, kod źródłowy i artefakty z poprzednich prób rozwiązania. Agent ten syntezuje „inspiracje” z banku i kieruje je do kolejki zadań.

Następnie liczni Proposal Agents zużywają te kontekstowe dane wejściowe, z których każdy generuje nowe rozwiązanie wyposażone w standardowy punkt wejścia solve.sh. Rozwiązania są wykonywane w odizolowanych piaskownicach (sandbox), oceniane, a ich wynikowe artefakty są odsyłane do Experience Bank, aby mogły służyć jako odniesienie w przyszłości. Semafory regulują alokację zasobów między piaskownicami, wnioskowaniem modelu a kolejką zadań, umożliwiając wydajne skalowanie jakości wyników w zależności od dostępnej mocy obliczeniowej.

W przypadku zadań pozbawionych predefiniowanych ewaluatorów, Hyra stosuje dwupoziomową pętlę optymalizacji. Wewnętrzny cykl udoskonala rozwiązania w oparciu o bieżący ewaluator, podczas gdy zewnętrzny cykl ewoluuje sam ewaluator w oparciu o zgromadzone doświadczenie. To dwuwarstwowe podejście ma na celu zmniejszenie ryzyka tzw. reward-hackingu — znanego trybu awarii w uczeniu ze wzmocnieniem, w którym agenci wykorzystują luki w ewaluatorze, zamiast rozwiązywać rzeczywisty problem — oraz stworzenie przestrzeni do znaczącego postępu.

Introducing Hyra-1.0, the first version of Hunyuan Research Agent. Built to recursively improve solutions for performance-driven research and engineering tasks. Explore our demos in AI4AI, AI4Science, and AI4Fun: pic.twitter.com/DgKkba1EEY — Tencent Hy (@TencentHunyuan) July 21, 2026

Wydajność w testach porównawczych

Tencent ocenił Hyrę na podstawie trzech testów porównawczych (benchmarków) z automatycznego systemu badań AI firmy Recursive: NanoChat Autoresearch, NanoGPT Speedrun i SOL-ExecBench, które obejmują odpowiednio trenowanie modeli, przyspieszanie treningu i optymalizację jądra GPU. NanoGPT, minimalna implementacja GPT o otwartym kodzie źródłowym, powszechnie stosowana w społeczności badawczej AI jako test wydajności treningu, oraz NanoChat reprezentują zadania o skali kompaktowej, w których iteracyjna optymalizacja może przynieść wymierne korzyści. Przy użyciu identycznych definicji zadań i protokołów oceny, Hyra-1.0 prześcignęła zgłoszone wyniki Recursive we wszystkich trzech zadaniach. Zmniejszyła walidacyjny BPB (bits-per-byte) dla NanoChat do 0.9015, skróciła czas osiągnięcia docelowej straty w NanoGPT do 76,4 sekundy i osiągnęła średni wynik SOL wynoszący 0,771 w teście SOL-ExecBench.

Tencent zauważył, że ulepszone możliwości wyszukiwania ujawniły również luki w ewaluatorach — takie jak rozwiązania wykorzystujące wyciek dwukierunkowej uwagi (bidirectional attention leakage) lub puste buforowanie jądra (empty kernel caching) — co podkreśla znaczenie ewolucji mechanizmów oceny w połączeniu z poszukiwaniem rozwiązań.

Osiągnięcia naukowe i kreatywne

Oprócz infrastruktury AI, Hyra wykazała się zdolnościami w dziedzinach naukowych i kreatywnych:

• Matematyka: System ustanowił nowe najlepsze znane wyniki w 29 z 55 otwartych problemów matematycznych i zaprojektował 15-parametrowy Transformer do dodawania 10-cyfrowego, zmniejszając liczbę parametrów o 58,3% w porównaniu do poprzedniego rekordu.
• Astronomia: Hyra odkryła relację rekurencyjną do przewidywania plam słonecznych, która wykazała wysoką dokładność poza próbką w zakresie prawie wieku danych historycznych.
• Obliczenia kwantowe: System stworzył algorytm routingu kubitów, który poprawił wydajność na IBM Q20 o 44,4% w stosunku do ugruntowanej metody SABRE, szeroko cytowanego algorytmu routingu wprowadzonego w 2019 roku, który służył jako standardowa baza w kompilacji obwodów kwantowych.
• Projektowanie leków: Hyra wygenerowała kandydata na inhibitor PARP1, który prześcignął zatwierdzony lek olaparib — sprzedawany przez AstraZeneca i Merck pod nazwą Lynparza, stosowany w leczeniu niektórych nowotworów piersi, jajników i trzustki — w łącznych wskaźnikach wiązania i podobności do leku. Tencent podkreślił jednak, że wynik ten pochodzi z wczesnej symulacji i wymaga dalszej walidacji.
• Sztuczna inteligencja w grach: Bot grający w Othello (Reversi) zajął trzecie miejsce wśród 730 zgłoszeń na Botzone, ewoluując poprzez grę z samym sobą (self-play) od wyszukiwania minimaks do hybrydowego podejścia w stylu AlphaZero, co nawiązuje do pionierskich metodologii self-play opracowanych przez AlphaZero od DeepMind.
• Modelowanie 3D: System generował modele 3D z dwuwymiarowych obrazów odniesienia, oceniane za pomocą kryteriów modeli wizyjno-językowych (vision-language model rubrics).
• Muzyka: Wieloinstrumentalne aranżacje muzyczne były udoskonalane przez siedem rund ewolucji ewaluatora w oparciu o kryteria harmoniczne, rytmiczne i estetyczne.

Przyszłe perspektywy

Tencent określił Hyrę jako fundament dla szerszej pętli ewolucyjnej, w której ulepszone szkielety (scaffolds) produkują dane i doświadczenie wyższej jakości, prowadząc do powstania silniejszych modeli, które z kolei udoskonalają przyszłe szkielety. Firma wskazała, że nadchodzące generacje jej rodziny modeli Hunyuan — autorskich dużych modeli językowych i multimodalnych Tencent — będą współewoluować z platformą Hyra, a także zaprosiła badaczy do współpracy poprzez otwarty formularz dotyczący partnerstw akademickich, staży i opinii.