답변게시됨3시간 전Last edited 3시간 전19 소스

텐센트 Hyra 2.0, AI 연구를 ‘재사용 가능한 도구’로 바꿀 수 있을까

Hyra 2.0의 핵심은 과학 문제의 답만 내놓는 대신, 이후 연구에도 쓸 수 있는 모델·도구·작업 흐름을 개발한다는 구상입니다. 텐센트는 단백질 역접힘 모델 HyInv가 196만 개의 파라미터로 ProteinMPNN보다 57배 빠르며, 50밀리초에 단백질 서열 128개를 설계할 수 있다고 밝혔습니다.

게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성

Studio Global AI로 검색 및 팩트체크 인기 페이지 더 보기

연구 답변

주요 시사점

Hyra 2.0의 핵심은 과학 문제의 답만 내놓는 대신, 이후 연구에도 쓸 수 있는 모델·도구·작업 흐름을 개발한다는 구상입니다.
텐센트는 단백질 역접힘 모델 HyInv가 196만 개의 파라미터로 ProteinMPNN보다 57배 빠르며, 50밀리초에 단백질 서열 128개를 설계할 수 있다고 밝혔습니다.

AI-generated illustration representing an autonomous agent working on scientific research — What did Tencent Hunyuan report about Hyra 2.0, its autonomous research agent released on November 2, 2026, including its shift from Hyra 1An AI-generated illustration of an autonomous research agent.
AI 프롬프트
Create 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
openai.com

텐센트가 Hyra 2.0을 내놓으며 내세운 변화는 AI가 과학 문제를 한 번 푸는 데서 끝나지 않고, 다음 연구에도 활용할 수 있는 도구와 모델을 만든다는 점입니다. 단백질 설계 모델, 분자 시뮬레이션용 힘장, 양자 오류 정정 도구 등이 초기 결과로 공개됐습니다. 다만 이 성과들은 텐센트와 관련 보도가 전한 내용이며, 제공된 자료만으로는 독립적인 재현 여부까지 확인할 수 없습니다. 2 4 11

답을 내는 AI에서 도구를 만드는 AI로

텐센트는 Hyra 2.0을 범용 에이전트가 과학 모델과 도구를 개발·개선하고, 그 결과를 후속 연구에서 다시 쓰도록 하는 시스템으로 설명합니다. 즉, 한 연구의 산출물이 다음 연구의 출발점이 되게 하려는 접근입니다. 2

관련 보도는 시스템이 Overall, Mission, Worker라는 세 단계의 에이전트 구조로 구성됐다고 전합니다. 3 공개 저장소에서는 HyInv와 HyPLM-Flash 등 일부 프로젝트의 모델 가중치, 추론 코드와 기술 보고서를 확인할 수 있습니다. 다만 공개 자료만으로는 장기 작업 관리나 연구 검토 인력 등 시스템 전반의 세부 운영 방식을 모두 확인하기 어렵습니다. 11

단백질부터 양자 컴퓨팅까지 공개된 초기 결과

HyInv: 단백질 역접힘 모델

단백질 역접힘은 단백질의 구조를 바탕으로 그 구조를 만들 수 있는 아미노산 서열을 찾는 작업입니다. 텐센트는 Hyra 2.0이 처음부터 학습한 HyInv가 파라미터 196만 개 규모이며, ProteinMPNN보다 서열을 57배 빠르게 생성한다고 밝혔습니다. 또 50밀리초에 단백질 서열 128개를 설계할 수 있다고 설명했습니다. 이 수치들은 텐센트가 제시한 성능 주장으로, 제공된 자료에서 독립적으로 검증된 비교 결과는 아닙니다. 2 4

HyPLM-Flash와 HyFF

텐센트의 결과 저장소에는 파라미터 6억 5,000만 개 규모의 단백질 언어 모델 HyPLM-Flash가 가중치와 코드와 함께 올라와 있습니다. 11 34 분자 시뮬레이션에 쓰이는 머신러닝 힘장 HyFF도 5종 공개됐습니다. 파라미터 규모는 230만 개에서 12억 개까지이며, 83개 원소를 다룹니다. 11 연구 결과를 설명하는 데 그치지 않고 실제로 내려받아 살펴보고 활용할 수 있는 산출물을 내놓았다는 점이 Hyra 2.0의 방향을 보여줍니다.

양자 오류 정정과 프로세서 최적화

보도에 따르면 HyQEC가 만든 양자 오류 정정 코드는 인코딩 효율 지표에서 기존 qLDPC Challenge 선두 결과보다 약 48% 높은 수치를 기록했습니다. 4 또 다른 보도는 Hyra의 작업으로 XiangShan RISC-V 프로세서의 GHz당 성능 점수가 5.79% 개선됐다고 전했습니다. 13 다만 제공된 발췌 자료만으로는 두 결과의 벤치마크 조건을 충분히 평가하기 어렵습니다.

수학 결과의 의미와 남아 있는 질문

텐센트의 Hyra 결과 저장소에는 정수의 유한 부분집합에서 합집합과 차집합의 크기 사이 관계를 다루는 ‘합-차 지수’ 문제를 기계 검증으로 해결했다는 내용도 있습니다. 저장소는 관련 최적 지수의 상한이 정확히 2이며, 그 값에 임의로 가까워질 수 있지만 실제로 달성되지는 않는다고 설명합니다. 19

이는 저장소에 수학적 결과가 공개됐다는 점을 보여주는 사례입니다. 그러나 제공된 자료는 이 결과를 Hy3나 Hyra 1.0이 냈다고 입증하지 않습니다. 따라서 이를 이전 시스템의 성과로 단정해 Hyra 2.0과 비교하는 것은 적절하지 않습니다.

공개와 독립 검증은 다르다

Hyra 결과 저장소에는 여러 프로젝트의 가중치와 코드, 기술 보고서가 공개돼 있어 일부 산출물을 직접 살펴보고 재사용할 수 있습니다. 11 하지만 자료가 공개됐다는 사실만으로 모든 성능 주장이 독립적으로 재현됐다고 볼 수는 없습니다. 또한 별도 모델 Hy3에 적용된 Apache 2.0 라이선스를 Hyra 저장소의 모든 산출물에 일괄 적용한다고 가정할 근거도 제공된 자료에는 없습니다. 18 24

현재 근거로 말할 수 있는 핵심은 분명합니다. 텐센트는 Hyra 2.0을 재사용 가능한 과학 도구를 만드는 연구 에이전트로 제시했고, 저장소에는 실제 모델과 소프트웨어 결과물이 올라와 있습니다. 반면 성능 수치는 독립 검증과 구분해 읽어야 합니다. 2 11

Studio Global AI

연구를 계속하세요

이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.

Studio Global AI로 검색 및 팩트체크

사람들은 또한 묻습니다.