7月21日，腾讯混元正式推出Hyra（Hunyuan Research Agent）首个版本Hyra-1.0，这是一个能够递归自我改进（RSI）、专为性能导向的研究与工程任务打造的智能体。
核心能力：自动探索、自我迭代。 Hyra的设计遵循 “The Bitter Lesson” 原则——框架保持轻量简洁，同时赋予智能体尽可能宽广的动作空间。给定任务描述后，Hyra持续运行“探索—生成—评估—迭代”闭环：基于历史经验自主提出解决方案、运行实验、评估结果，再根据成功和失败的经验持续改进。系统采用“生产者-消费者”异步流水线架构，多个子智能体在独立沙盒中并发运行，资源利用率随时间高效扩展。
性能表现：AI for AI、AI for Science、AI for Fun三线告捷。
在AI for AI领域，Hyra在NanoChat Autoresearch任务中将验证集BPB降至0.9015；在NanoGPT Speedrun上，将达到3.28验证损失的时间缩短至76.4秒；在SOL-ExecBench上，对235个GPU kernel联合优化后Mean SOL达到0.771，三项结果均超过此前公开记录。
在AI for Science领域，Hyra从EinsteinArena等数据库中选取的55个数学开放问题中，29个刷新了历史最佳纪录。Hyra还从1749年至1932年的逐月太阳黑子数据中发现了预测递推公式，在近一个世纪的样本外数据上取得R²=0.77的预测精度。更令人瞩目的是，Hyra设计出仅需15个可训练参数即可完成10位数加法的Transformer，较此前公开记录减少58.3%；其量子比特路由算法在IBM Q20上较经典SABRE算法提升44.4%的路由效率；在药物设计方面，Hyra针对抗癌靶点PARP1生成的候选分子，结合-成药性联合评分显著超过已上市药物olaparib。
在AI for Fun场景中，Hyra通过自对弈开发的黑白棋程序在Botzone平台730个参赛程序中排名第三；仅凭单张2D参考图像即可生成可渲染的3D模型；还能将单一旋律发展为多乐器、色彩丰富的完整配器。
战略意义：不止是工具，是“会进化的同事”。 Hyra的开源结果已发布于GitHub。腾讯表示，Hyra不仅能跑公开基准，还能在产品系统、真实AI研发流水线、自然科学研究乃至工业场景中学习和进化。未来将推动Hyra与新一代混元模型及产品持续共进化。