RéponsesPublié19 sources
Avec Hyra 2.0, Tencent veut que l’IA construise ses propres outils de recherche
Hyra 2.0 vise, selon Tencent, à créer des modèles, des outils et des méthodes de travail que d’autres recherches pourront réutiliser, plutôt qu’à résoudre un seul problème à la fois. Parmi les premiers exemples figure HyInv, un modèle de repliement inverse des protéines de 1,96 million de paramètres.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Hyra 2.0 vise, selon Tencent, à créer des modèles, des outils et des méthodes de travail que d’autres recherches pourront réutiliser, plutôt qu’à résoudre un seul problème à la fois.
- Parmi les premiers exemples figure HyInv, un modèle de repliement inverse des protéines de 1,96 million de paramètres.
Prompt IA
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 présente Hyra 2.0 comme une nouvelle étape pour l’IA appliquée à la recherche scientifique : au lieu de produire uniquement une réponse à un problème donné, le système doit aussi créer des modèles, des outils et des méthodes de travail que l’on pourra réutiliser. Parmi les premiers exemples avancés par l’entreprise figurent des modèles de conception de protéines, des champs de force pour simuler des molécules et un outil de correction d’erreurs quantiques. Ces résultats sont rapportés par Tencent et par des publications qui les relaient ; les sources disponibles ne démontrent pas qu’ils ont été reproduits de manière indépendante. 2
4
11
De la réponse ponctuelle à l’outil réutilisable
Tencent décrit Hyra 2.0 comme un système d’agents généralistes chargés de développer et d’améliorer des outils et des modèles scientifiques. L’objectif affiché est qu’un travail de développement puisse ensuite servir à d’autres recherches. 2 Le changement tient donc moins à la promesse d’obtenir une réponse isolée qu’à la création d’un résultat réutilisable, comme un modèle ou un logiciel.
Des articles décrivent une organisation en trois niveaux : Overall, Mission et Worker, qui correspondent à différentes fonctions au sein du système. 3 Le dépôt public des résultats donne, lui, un aperçu concret des éléments publiés : il contient notamment des poids de modèles, du code d’inférence et des rapports techniques pour HyInv et HyPLM-Flash.
11 Les sources disponibles ne permettent toutefois pas de confirmer tous les détails parfois avancés sur l’infrastructure globale de recherche.
Des premiers résultats dans plusieurs domaines
HyInv : concevoir des protéines à partir de leur structure
HyInv est un modèle de repliement inverse des protéines, entraîné à partir de zéro et doté de 1,96 million de paramètres, selon Tencent. L’entreprise affirme qu’il génère des séquences 57 fois plus vite que ProteinMPNN et indique qu’il peut en concevoir 128 en 50 millisecondes. Ces chiffres sont des résultats annoncés par Tencent ; les sources disponibles ne permettent pas d’établir une comparaison indépendante des performances. 2
4
HyPLM-Flash et les champs de force HyFF
Le dépôt de Tencent répertorie également HyPLM-Flash, un modèle de langage pour les protéines de 650 millions de paramètres, avec ses poids et son code. 11
34 Il comprend aussi cinq champs de force d’apprentissage automatique destinés à la simulation moléculaire. Leur taille varie de 2,3 millions à 1,2 milliard de paramètres, et ils couvrent 83 éléments.
11
Ces publications illustrent l’approche mise en avant par Tencent : rendre disponibles des modèles et des logiciels, plutôt que de se limiter à décrire un résultat de recherche.
HyQEC et l’optimisation d’un processeur
Des articles indiquent que l’outil de correction d’erreurs quantiques HyQEC a produit un code dont la mesure d’efficacité d’encodage serait environ 48 % supérieure à celle du précédent meilleur résultat du qLDPC Challenge. 4 Un autre compte rendu fait état d’une amélioration de 5,79 % du score de performance par GHz d’un processeur XiangShan fondé sur l’architecture RISC-V.
13 Ces chiffres sont également des résultats rapportés : les extraits disponibles ne donnent pas suffisamment de détails pour évaluer l’ensemble des conditions de mesure.
Un résultat mathématique, sans attribution certaine à une version antérieure
Le dépôt des résultats de Hyra mentionne une résolution vérifiée par machine d’un problème dit « somme contre différence ». Pour les sous-ensembles finis des entiers, le supremum de l’exposant considéré y est donné comme égal à 2 : cette valeur peut être approchée, mais jamais atteinte. 19
Ce résultat figure bien dans le dépôt, mais les sources disponibles ne permettent pas de l’attribuer à Hy3 ou à Hyra 1.0. Il ne constitue donc pas, à lui seul, une preuve du rôle joué par le système antérieur.
Des résultats publiés ne valent pas validation indépendante
Le dépôt Hyra met à disposition des poids, du code et des rapports techniques pour plusieurs projets. 11 Cela permet d’examiner certains éléments et, potentiellement, de les réutiliser. Mais publier un artefact ne suffit pas à démontrer que toutes les performances annoncées ont été reproduites de façon indépendante.
De même, les sources ne montrent pas que tous les éléments du dépôt Hyra sont publiés sous licence Apache 2.0. La licence mentionnée pour le modèle distinct Hy3 ne peut pas être étendue automatiquement à l’ensemble du dépôt. 18
24
Le constat le mieux étayé est donc celui-ci : Tencent veut orienter Hyra 2.0 vers la création d’outils scientifiques réutilisables, et son dépôt présente plusieurs modèles et logiciels concrets. Les performances annoncées sont des résultats à examiner, pas un substitut à une validation indépendante. 2
11
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Avec Hyra 2.0, Tencent veut que l’IA construise ses propres outils de recherche » ?
Hyra 2.0 vise, selon Tencent, à créer des modèles, des outils et des méthodes de travail que d’autres recherches pourront réutiliser, plutôt qu’à résoudre un seul problème à la fois.
Quels sont les points clés à valider en premier ?
Hyra 2.0 vise, selon Tencent, à créer des modèles, des outils et des méthodes de travail que d’autres recherches pourront réutiliser, plutôt qu’à résoudre un seul problème à la fois. Parmi les premiers exemples figure HyInv, un modèle de repliement inverse des protéines de 1,96 million de paramètres.
Sources
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…