JawabanDipublikasikan19 sumber
Hyra 2.0 Tencent Ingin Mengubah Riset AI Menjadi Alat yang Bisa Dipakai Ulang
Hyra 2.0 dirancang untuk beralih dari menyelesaikan satu masalah riset ke membangun model, alat, dan alur kerja yang dapat digunakan kembali. Tencent melaporkan bahwa HyInv, model pelipatan balik protein berukuran 1,96 juta parameter, menghasilkan sekuens 57 kali lebih cepat daripada ProteinMPNN.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Hyra 2.0 dirancang untuk beralih dari menyelesaikan satu masalah riset ke membangun model, alat, dan alur kerja yang dapat digunakan kembali.
- Tencent melaporkan bahwa HyInv, model pelipatan balik protein berukuran 1,96 juta parameter, menghasilkan sekuens 57 kali lebih cepat daripada ProteinMPNN.
- Repositori Tencent memuat bobot model, kode inferensi, dan laporan teknis. Namun, klaim kinerja yang disebutkan belum terbukti melalui replikasi independen dalam sumber yang tersedia.
AI Perintah
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 memperkenalkan Hyra 2.0 sebagai agen riset yang bertujuan membuat hasil kerja ilmiah bisa digunakan kembali. Alih-alih hanya menangani satu persoalan, sistem ini dirancang untuk mengembangkan model, alat, dan alur kerja yang dapat membantu penelitian berikutnya. Contoh awal yang dilaporkan Tencent mencakup model untuk desain protein, force field molekuler, dan alat koreksi kesalahan kuantum. Hasil-hasil tersebut dilaporkan Tencent dan media yang mengulasnya; sumber yang tersedia belum menunjukkan replikasi independen. 2
4
11
Dari menjawab satu soal ke membuat alat untuk riset berikutnya
Dalam penjelasan Tencent, Hyra 2.0 melibatkan agen serbaguna untuk mengembangkan dan menyempurnakan model serta perangkat ilmiah. Dengan begitu, hasil dari satu upaya pengembangan dapat dimanfaatkan kembali dalam penelitian selanjutnya. 2 Perbedaan utamanya terletak pada sasaran: bukan sekadar menghasilkan jawaban, melainkan membuat sesuatu—misalnya model atau perangkat lunak—yang bisa dipakai lagi.
Salah satu laporan menggambarkan sistem dengan tiga lapisan agen: Overall, Mission, dan Worker. 3 Sementara itu, repositori publik Hyra memperlihatkan sebagian hasil yang lebih konkret: bobot model, kode inferensi, dan laporan teknis untuk proyek yang dirilis, termasuk HyInv dan HyPLM-Flash.
11 Namun, sumber yang tersedia belum mengonfirmasi seluruh detail infrastruktur riset yang lebih luas, seperti antrean tugas persisten atau pekerja khusus untuk peninjauan.
Hasil awal mencakup protein, material, dan komputasi kuantum
HyInv: merancang urutan protein dari strukturnya
Tencent menyebut HyInv sebagai model inverse folding protein—model yang merancang urutan protein berdasarkan struktur yang dituju—dan mengatakan model ini dilatih dari awal dengan 1,96 juta parameter. Tencent mengklaim HyInv menghasilkan urutan 57 kali lebih cepat daripada ProteinMPNN. Halaman riset Tencent juga menyatakan model itu dapat merancang 128 urutan protein dalam 50 milidetik. Angka-angka tersebut merupakan klaim tolok ukur dari Tencent, bukan perbandingan independen yang telah dipastikan oleh sumber yang tersedia. 2
4
HyPLM-Flash dan HyFF
Repositori hasil Tencent mencantumkan HyPLM-Flash, model bahasa protein berukuran 650 juta parameter, beserta bobot dan kodenya. 11
34 Repositori yang sama menjelaskan lima force field pembelajaran mesin bernama HyFF. Ukurannya berkisar dari 2,3 juta hingga 1,2 miliar parameter dan mencakup 83 unsur.
11 Rilis ini menggambarkan pendekatan yang diusung Hyra: menerbitkan model dan perangkat lunak yang dapat digunakan kembali, bukan hanya memaparkan hasil riset.
HyQEC dan optimalisasi prosesor
Sebuah laporan menyebut HyQEC menghasilkan kode koreksi kesalahan kuantum dengan metrik efisiensi pengodean sekitar 48% lebih tinggi daripada pemimpin sebelumnya dalam qLDPC Challenge. 4 Laporan lain menyebut pekerjaan Hyra meningkatkan skor kinerja per GHz pada prosesor RISC-V XiangShan sebesar 5,79%.
13 Kedua angka ini tetap perlu dibaca sebagai hasil yang dilaporkan; kutipan sumber yang tersedia tidak memuat cukup rincian untuk menilai seluruh pengaturan tolok ukurnya.
Hasil matematika itu tidak otomatis menjelaskan peran Hyra sebelumnya
Repositori hasil Hyra mencatat penyelesaian yang diperiksa mesin untuk persoalan eksponen jumlah-versus-selisih. Untuk himpunan hingga bilangan bulat, repositori tersebut melaporkan bahwa supremum yang relevan tepat bernilai 2: nilainya dapat didekati, tetapi tidak pernah tercapai. 19 Ini merupakan salah satu hasil matematika yang tercantum di repositori. Namun, sumber yang tersedia tidak membuktikan bahwa Hy3 atau Hyra 1.0 yang menghasilkannya. Karena itu, hasil tersebut tidak bisa dijadikan bukti pasti mengenai peran sistem versi sebelumnya.
Ketersediaan artefak bukan berarti validasi independen
Repositori Hyra mencantumkan bobot model, kode, dan laporan teknis untuk beberapa proyek. 11 Materi itu memungkinkan sejumlah keluaran ditinjau dan digunakan kembali, tetapi publikasi saja tidak membuktikan bahwa setiap klaim kinerja telah direplikasi secara independen. Sumber yang tersedia juga tidak menunjukkan bahwa semua artefak yang dirilis memakai lisensi Apache 2.0. Lisensi yang tercatat untuk model Hy3 yang terpisah tidak bisa langsung dianggap berlaku bagi seluruh repositori Hyra.
18
24
Kesimpulan yang paling kuat dari sumber yang tersedia adalah soal arah riset Hyra 2.0: Tencent mengatakan sistemnya dirancang untuk menghasilkan perangkat ilmiah yang bisa dipakai ulang, dan repositorinya memuat sejumlah model serta perangkat lunak konkret. Klaim tolok ukurnya menjanjikan, tetapi tetap perlu dinilai dan diverifikasi secara independen. 2
11
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Hyra 2.0 Tencent Ingin Mengubah Riset AI Menjadi Alat yang Bisa Dipakai Ulang"?
Hyra 2.0 dirancang untuk beralih dari menyelesaikan satu masalah riset ke membangun model, alat, dan alur kerja yang dapat digunakan kembali.
Apa poin penting yang harus divalidasi terlebih dahulu?
Hyra 2.0 dirancang untuk beralih dari menyelesaikan satu masalah riset ke membangun model, alat, dan alur kerja yang dapat digunakan kembali. Tencent melaporkan bahwa HyInv, model pelipatan balik protein berukuran 1,96 juta parameter, menghasilkan sekuens 57 kali lebih cepat daripada ProteinMPNN.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Repositori Tencent memuat bobot model, kode inferensi, dan laporan teknis. Namun, klaim kinerja yang disebutkan belum terbukti melalui replikasi independen dalam sumber yang tersedia.
Sumber
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…