AntwortenVeröffentlicht19 Quellen
Hyra 2.0: Tencent setzt auf wiederverwendbare Werkzeuge für die Forschung
Hyra 2.0 soll nicht nur einzelne wissenschaftliche Probleme lösen, sondern Modelle, Werkzeuge und Abläufe hervorbringen, die sich in späteren Forschungsprojekten erneut einsetzen lassen. Ein Beispiel ist HyInv: Tencent beschreibt das Modell als 1,96 Millionen Parameter großes Werkzeug für inverses Proteindesign und...
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Hyra 2.0 soll nicht nur einzelne wissenschaftliche Probleme lösen, sondern Modelle, Werkzeuge und Abläufe hervorbringen, die sich in späteren Forschungsprojekten erneut einsetzen lassen.
- Ein Beispiel ist HyInv: Tencent beschreibt das Modell als 1,96 Millionen Parameter großes Werkzeug für inverses Proteindesign und gibt an, es laufe 57 mal schneller als ProteinMPNN und könne 128 Sequenzen in 50 Millis...
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Tencent Hunyuan report about Hyra 2.0, its autonomous research agent released on November 2, 2026, including its shift from Hyra 1.. Article summary: Tencent Hunyuan presented Hyra 2.0, launched on November 2, 2026, as a shift from solving individual scientific problems to developing reusable models, tools, and research workflows that can accelerate later discoveries.. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Tencent beschreibt Hyra 2.0 als Forschungsagenten, der wissenschaftliche Arbeit besser wiederverwendbar machen soll. Statt sich auf eine einzelne Forschungsfrage zu konzentrieren, soll das System Modelle, Werkzeuge und Abläufe entwickeln, die auch bei späteren Projekten nützlich sind. Zu den ersten von Tencent genannten Beispielen zählen Modelle für Proteindesign, Kraftfelder für Molekülsimulationen und ein Werkzeug zur Quantenfehlerkorrektur. Die Ergebnisse stammen aus Darstellungen von Tencent und deren Berichterstattung; die verfügbaren Quellen belegen keine unabhängige Reproduktion. 2
4
11
Von der Einzellösung zum wiederverwendbaren Werkzeug
Tencent stellt Hyra 2.0 als nächsten Schritt hin zu Agenten dar, die wissenschaftliche Tools und Modelle entwickeln und verbessern. Die Ergebnisse einer einzelnen Entwicklungsrunde sollen dadurch künftige Forschung unterstützen. 2 Der Anspruch geht also über eine einzelne Antwort hinaus: Entstehen soll ein nutzbares Ergebnis – etwa ein Modell oder ein Werkzeug, auf das Forschende später zurückgreifen können.
Einer Berichterstattung zufolge arbeitet das System mit drei Agentenebenen: Overall, Mission und Worker. 3 Greifbarer wird der Ansatz im öffentlichen Ergebnis-Repository von Tencent: Für veröffentlichte Projekte wie HyInv und HyPLM-Flash finden sich dort Modellgewichte, Inferenzcode und technische Berichte.
11 Die verfügbaren Quellen belegen allerdings nicht alle Einzelheiten der umfassenderen Forschungsinfrastruktur, etwa dauerhaft geführte Aufgabenwarteschlangen oder eigens zuständige Prüf-Agenten.
Erste Ergebnisse: Proteine, Materialien und Quantencomputing
HyInv: Proteindesign in umgekehrter Richtung
Tencent zufolge wurde HyInv von Grund auf trainiert. Das Modell für sogenanntes inverses Proteinfalten hat demnach 1,96 Millionen Parameter. Tencent gibt an, HyInv erzeuge Ergebnisse 57-mal schneller als ProteinMPNN; auf der Forschungsseite heißt es außerdem, das Modell könne 128 Proteinsequenzen in 50 Millisekunden entwerfen. Dabei handelt es sich um veröffentlichte Benchmark-Angaben von Tencent, nicht um durch die hier verfügbaren Quellen unabhängig bestätigte Vergleiche. 2
4
HyPLM-Flash und HyFF
Im Ergebnis-Repository führt Tencent HyPLM-Flash auf, ein Protein-Sprachmodell mit 650 Millionen Parametern. Dort sind auch Modellgewichte und Code verfügbar. 11
34 Außerdem beschreibt das Repository fünf maschinell lernende HyFF-Kraftfelder für Molekülsimulationen. Sie umfassen 2,3 Millionen bis 1,2 Milliarden Parameter und decken 83 Elemente ab.
11 Zusammen veranschaulichen diese Veröffentlichungen den Ansatz wiederverwendbarer Ergebnisse: Tencent stellt Modelle und Software bereit, statt lediglich über ein Forschungsergebnis zu berichten.
HyQEC und Prozessoroptimierung
Berichten zufolge entwickelte HyQEC einen Quantenfehlerkorrekturcode, dessen Kennzahl für die Kodierungseffizienz rund 48 Prozent über dem bisherigen Spitzenwert der qLDPC Challenge lag. 4 Ein weiterer Bericht nennt für die Arbeit an XiangShan, einem RISC-V-Prozessor, eine Verbesserung des Leistungswerts pro Gigahertz um 5,79 Prozent.
13 Beide Zahlen sind als berichtete Ergebnisse zu verstehen: Die verfügbaren Auszüge enthalten nicht genug Informationen, um die jeweiligen Benchmark-Aufbauten umfassend zu beurteilen.
Was das Ergebnis zum Summen-Differenzen-Problem aussagt – und was nicht
Im Ergebnis-Repository von Tencent ist eine maschinell geprüfte Lösung zu einem Exponentenproblem rund um Summen und Differenzen dokumentiert. Für endliche Teilmengen der ganzen Zahlen liege das relevante Supremum demnach exakt bei 2: Der Wert könne beliebig gut angenähert, aber nicht erreicht werden. 19 Das ist ein mathematisches Ergebnis im Repository. Die verfügbare Quelle belegt jedoch nicht, dass Hy3 oder Hyra 1.0 es hervorgebracht haben. Es lässt sich daher nicht als eindeutiger Beleg für die Rolle eines der früheren Systeme anführen.
Veröffentlichte Dateien sind noch keine unabhängige Bestätigung
Im Hyra-Ergebnis-Repository finden sich für mehrere Projekte veröffentlichte Modellgewichte, Code und technische Berichte. 11 Das macht bestimmte Ergebnisse nachvollziehbar und zur Weiterverwendung verfügbar. Eine Veröffentlichung allein zeigt jedoch nicht, dass alle Leistungsangaben unabhängig reproduziert wurden. Ebenso belegen die Quellen nicht, dass sämtliche Artefakte im Hyra-Repository unter der Apache-2.0-Lizenz stehen. Eine Lizenzangabe für das separate Modell Hy3 lässt sich nicht ohne Weiteres auf das gesamte Repository übertragen.
18
24
Die am besten belegte Aussage zu Hyra 2.0 betrifft damit zunächst die Forschungsstrategie: Tencent will wiederverwendbare wissenschaftliche Werkzeuge entwickeln und verweist dafür auf konkrete Modelle und Software im eigenen Repository. Die genannten Benchmark-Ergebnisse sind interessante, von Tencent berichtete Angaben – aber kein Ersatz für eine unabhängige Überprüfung. 2
11
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Hyra 2.0: Tencent setzt auf wiederverwendbare Werkzeuge für die Forschung“?
Hyra 2.0 soll nicht nur einzelne wissenschaftliche Probleme lösen, sondern Modelle, Werkzeuge und Abläufe hervorbringen, die sich in späteren Forschungsprojekten erneut einsetzen lassen.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Hyra 2.0 soll nicht nur einzelne wissenschaftliche Probleme lösen, sondern Modelle, Werkzeuge und Abläufe hervorbringen, die sich in späteren Forschungsprojekten erneut einsetzen lassen. Ein Beispiel ist HyInv: Tencent beschreibt das Modell als 1,96 Millionen Parameter großes Werkzeug für inverses Proteindesign und gibt an, es laufe 57 mal schneller als ProteinMPNN und könne 128 Sequenzen in 50 Millis...
Quellen
hy.tencent.aiHyra 2.0: The Next Step for Auto Research - Tencent Hy
panews.ioTencent Hunyuan Releases Hyra 2.0, Where Agents Develop ...
github.comGitHub - Tencent-Hunyuan/Hyra-results: Research artifacts from Hyra (/ˈhaɪ.rɑː/)
techflowpost.comTencent Hunyuan Releases Hyra 2.0, Driving AI to Shift from Solving Research Challenges to Independently Developing Sci…