Tencent представила Hyra — автономную исследовательскую систему общего назначения, разработанную для преобразования вычислительного интеллекта в измеримые результаты в сложных областях. Платформа работает на основе непрерывного цикла обратной связи, в котором ИИ-агенты генерируют, выполняют и итеративно совершенствуют решения, опираясь на накопленный опыт; сферы применения охватывают исследования в области искусственного интеллекта, научные открытия и генерацию творческого контента. Hyra выходит на рынок, где несколько лабораторий, включая Sakana AI с ее AI Scientist и различные академические группы, уже изучают автономных агентов, способных выполнять исследовательские задачи при минимальном человеческом контроле, однако акцент Tencent на двухуровневом механизме эволюции оценщика и широта продемонстрированных областей выделяют масштаб системы.

Архитектура и базовый дизайн

Архитектура Hyra построена вокруг легкого асинхронного каркаса, который призван сохранять фреймворк минималистичным, одновременно предоставляя агентам значительную автономию. Центральный Context Agent поддерживает Experience Bank — репозиторий, в котором хранятся журналы выполнения, обратная связь от оценщиков, исходный код и артефакты предыдущих попыток решения. Этот агент синтезирует из банка «вдохновения» и направляет их в очередь задач.

Затем несколько Proposal Agents используют эти контекстные входные данные, каждый генерируя новое решение со стандартизированной точкой входа solve.sh. Решения выполняются в изолированных песочницах, получают оценку, а созданные ими артефакты возвращаются в Experience Bank для дальнейшего использования. Семафоры управляют распределением ресурсов между песочницами, инференсом моделей и очередью задач, позволяя качеству результатов эффективно масштабироваться в зависимости от доступных вычислительных ресурсов.

Для задач, в которых нет заранее заданных оценщиков, Hyra применяет двухуровневый цикл оптимизации. Внутренний цикл улучшает решения относительно текущего оценщика, тогда как внешний цикл развивает самого оценщика на основе накопленного опыта. Такой двухслойный подход предназначен для снижения рисков reward hacking — известного режима отказа в обучении с подкреплением, при котором агенты используют недостатки оценщика вместо решения базовой задачи, — и создает пространство для содержательного прогресса.

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

Результаты в бенчмарках

Tencent оценила Hyra на трех бенчмарках из автоматизированной исследовательской ИИ-системы Recursive: NanoChat Autoresearch, NanoGPT Speedrun и SOL-ExecBench, которые охватывают соответственно обучение моделей, ускорение обучения и оптимизацию GPU-ядер. NanoGPT, минимальная open-source реализация GPT, широко используемая в исследовательском сообществе ИИ как бенчмарк скорости обучения, и NanoChat представляют собой задачи компактного масштаба, где итеративная оптимизация может давать измеримые улучшения. При использовании идентичных формулировок задач и протоколов оценки Hyra-1.0 превзошла опубликованные Recursive результаты по всем трем задачам. Она снизила валидационный показатель bits-per-byte (BPB) NanoChat до 0.9015, сократила время достижения целевого loss в NanoGPT до 76.4 секунды и достигла среднего балла 0.771 в SOL-ExecBench.

Tencent отметила, что усиленные поисковые возможности также выявили уязвимости оценщиков — например, решения, использующие утечку двунаправленного внимания или кэширование пустого ядра, — что подчеркивает важность развития механизмов оценки параллельно с поиском решений.

Научные и творческие достижения

Помимо инфраструктуры ИИ, Hyra продемонстрировала возможности в научных и творческих областях:

• Математика: система установила новые лучшие из известных результатов по 29 из 55 открытых математических задач и разработала 15-параметрический Transformer для сложения 10-значных чисел, сократив число параметров на 58.3% по сравнению с предыдущим рекордом.
• Астрономия: Hyra обнаружила рекуррентное соотношение для прогнозирования солнечных пятен, которое показало высокую точность вне выборки почти на столетнем массиве исторических данных.
• Квантовые вычисления: система создала алгоритм маршрутизации кубитов, который повысил эффективность на IBM Q20 на 44.4% по сравнению с устоявшимся методом SABRE — широко цитируемым алгоритмом маршрутизации, представленным в 2019 году и ставшим стандартной базовой линией при компиляции квантовых схем.
• Разработка лекарств: Hyra сгенерировала кандидата в ингибиторы PARP1, который превзошел одобренный препарат olaparib, продаваемый AstraZeneca и Merck под названием Lynparza и применяемый для лечения некоторых видов рака молочной железы, яичников и поджелудочной железы, по совокупным метрикам связывания и лекарственно-подобных свойств. Tencent подчеркнула, что этот результат получен в ранней симуляции и требует дальнейшей валидации.
• Игровой ИИ: бот для Othello занял третье место среди 730 участников на Botzone, эволюционировав через самообучение в игре от minimax-поиска к гибридному подходу в стиле AlphaZero, что перекликается с методологиями self-play, разработанными DeepMind для AlphaZero.
• 3D-моделирование: система генерировала 3D-модели из 2D-референсов, оцениваемые по рубрикам vision-language моделей.
• Музыка: многоинструментальные музыкальные аранжировки были улучшены в ходе семи раундов эволюции оценщика на основе гармонических, ритмических и эстетических критериев.

Перспективы

Tencent описала Hyra как основу для более широкого эволюционного цикла, в котором улучшенные каркасы создают более качественные данные и опыт, что ведет к более сильным моделям, которые, в свою очередь, улучшают будущие каркасы. Компания указала, что будущие поколения семейства моделей Hunyuan — проприетарных больших языковых и мультимодальных моделей Tencent — будут совместно развиваться с фреймворком Hyra, и пригласила исследователей к сотрудничеству через открытую форму для академических партнерств, стажировок и обратной связи.