AnswersPublished19 sources
Hyra 2.0, bilimsel araştırmada tek seferlik çözümlerden araç geliştirmeye yöneliyor
Hyra 2.0’ın temel yaklaşımı, bir bilimsel soruya yanıt vermenin ötesine geçip sonraki araştırmalarda da kullanılabilecek modeller, araçlar ve iş akışları geliştirmek. Tencent’e göre HyInv, 1,96 milyon parametreli bir protein ters katlama modeli; şirket, ProteinMPNN’den 57 kat hızlı olduğunu ve 50 milisaniyede 128 pr...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Hyra 2.0’ın temel yaklaşımı, bir bilimsel soruya yanıt vermenin ötesine geçip sonraki araştırmalarda da kullanılabilecek modeller, araçlar ve iş akışları geliştirmek.
- Tencent’e göre HyInv, 1,96 milyon parametreli bir protein ters katlama modeli; şirket, ProteinMPNN’den 57 kat hızlı olduğunu ve 50 milisaniyede 128 protein dizisi tasarlayabildiğini bildiriyor.
- Tencent’in sonuç deposunda model ağırlıkları, çıkarım kodları ve teknik raporlar yer alıyor; ancak yayımlanan sonuçlar bağımsız doğrulama anlamına gelmiyor.
AI 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, Hyra 2.0’ı bilimsel çalışmalarda üretilen sonuçların yeniden kullanılmasını hedefleyen bir araştırma ajanı olarak tanıttı. Sistem, tek bir araştırma sorusunu çözmekle yetinmek yerine daha sonraki çalışmalarda da kullanılabilecek modeller, araçlar ve iş akışları geliştirmeyi amaçlıyor. Tencent’in paylaştığı ilk örnekler arasında protein tasarım modelleri, moleküler simülasyon için kuvvet alanları ve kuantum hata düzeltme aracı bulunuyor. Bunlar Tencent’in bildirdiği sonuçlar; mevcut kaynaklar bağımsız biçimde tekrarlandıklarını göstermiyor. 2
4
11
Tek seferlik çözümlerden yeniden kullanılabilir araştırma araçlarına
Tencent’in anlatımına göre Hyra 2.0, genel amaçlı ajanların bilimsel araç ve modelleri geliştirmesine ve iyileştirmesine dayanıyor. Böylece tek bir geliştirme çalışmasının çıktısı, gelecekteki araştırmalara da katkı sağlayabiliyor. Sistemin iddia edilen farkı, yalnızca bir yanıt üretmek değil; araştırmacıların tekrar kullanabileceği bir model ya da araç ortaya koymak. 2
Yayınlanan haberlerde sistem, Overall, Mission ve Worker adlı üç ajan katmanından oluşan bir yapı olarak aktarılıyor. 3 Yaklaşımın elle tutulur tarafı ise Hyra sonuç deposu: HyInv ve HyPLM-Flash gibi projeler için model ağırlıkları, çıkarım kodları ve teknik raporlar yayımlanmış durumda.
11 Bununla birlikte, mevcut kaynaklar kalıcı görev kuyrukları veya özel inceleme ajanları gibi daha geniş araştırma altyapısının tüm ayrıntılarını doğrulamıyor.
İlk sonuçlar: proteinlerden malzeme simülasyonuna
HyInv: protein ters katlama
Tencent, HyInv’yi sıfırdan eğitilmiş, 1,96 milyon parametreli bir protein ters katlama modeli olarak tanımlıyor. Şirket, modelin ProteinMPNN’den 57 kat hızlı üretim yaptığını ve 50 milisaniyede 128 protein dizisi tasarlayabildiğini söylüyor. Bunlar Tencent’in açıkladığı kıyaslama sonuçları; mevcut kaynaklar bağımsız karşılaştırma yapıldığını ortaya koymuyor. 2
4
HyPLM-Flash ve HyFF
Tencent’in sonuç deposunda, ağırlıkları ve koduyla birlikte yayımlanan 650 milyon parametreli protein dil modeli HyPLM-Flash da yer alıyor. 11
34 Depoda ayrıca 2,3 milyon ile 1,2 milyar parametre arasında değişen ve 83 elementi kapsayan beş HyFF makine öğrenimi kuvvet alanı listeleniyor.
11 Bu yayınlar, yalnızca bir araştırma sonucunu anlatmak yerine model ve yazılımları yeniden kullanılabilir biçimde paylaşma hedefini somutlaştırıyor.
HyQEC ve işlemci optimizasyonu
Haberlere göre HyQEC, qLDPC Challenge’daki önceki lider sonuca kıyasla kodlama verimliliği ölçütünde yaklaşık yüzde 48 daha yüksek bir değerle kuantum hata düzeltme kodu üretti. 4 Bir başka haberde, Hyra’nın XiangShan RISC-V işlemcisinin GHz başına performans puanını yüzde 5,79 artırdığı bildiriliyor.
13 Bu iki rakam da açıklanan sonuçlar olarak değerlendirilmeli; eldeki kaynak parçaları kıyaslamaların tüm ayrıntılarını incelemek için yeterli bilgi sunmuyor.
Toplam-farklar sonucu Hyra 2.0 hakkında ne söylüyor?
Tencent’in Hyra sonuç deposunda, tam sayıların sonlu alt kümeleri için toplam-farklar üssü problemine yönelik makine tarafından denetlenmiş bir çözüm kaydı bulunuyor. Depoya göre ilgili supremum tam olarak 2; bu değere yaklaşılabiliyor ancak değer elde edilemiyor. 19 Bu, depoda yer alan matematiksel sonuçlardan biri. Ancak mevcut kaynaklar sonucu Hy3’ün ya da Hyra 1.0’ın ürettiğini göstermiyor; dolayısıyla önceki sistemin rolüne dair kesin kanıt olarak kullanılamaz.
Kod ve model ağırlıklarının yayımlanması doğrulama demek değil
Hyra sonuç deposunda bazı projeler için ağırlıklar, kodlar ve teknik raporlar listeleniyor. 11 Bu materyaller sonuçların incelenmesini ve yeniden kullanılmasını mümkün kılıyor; ancak yayımlanmış olmaları, performans iddialarının bağımsız biçimde tekrarlandığını kanıtlamıyor. Ayrıca mevcut kaynaklar, yayımlanan tüm Hyra çıktılarının Apache 2.0 lisansına sahip olduğunu göstermiyor. Hy3 modeli için belirtilen lisansın tüm Hyra deposuna ait olduğu varsayılamaz.
18
24
En sağlam çıkarım, Hyra 2.0’ın araştırma yaklaşımına ilişkin: Tencent, tekrar kullanılabilir bilimsel araçlar geliştirmeyi hedeflediğini söylüyor ve deposunda somut model ve yazılım çıktıları listeliyor. Açıklanan kıyaslama sonuçları incelenmeye değer iddialar; bağımsız doğrulamanın yerini tutmuyor. 2
11
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Hyra 2.0, bilimsel araştırmada tek seferlik çözümlerden araç geliştirmeye yöneliyor"?
Hyra 2.0’ın temel yaklaşımı, bir bilimsel soruya yanıt vermenin ötesine geçip sonraki araştırmalarda da kullanılabilecek modeller, araçlar ve iş akışları geliştirmek.
What are the key points to validate first?
Hyra 2.0’ın temel yaklaşımı, bir bilimsel soruya yanıt vermenin ötesine geçip sonraki araştırmalarda da kullanılabilecek modeller, araçlar ve iş akışları geliştirmek. Tencent’e göre HyInv, 1,96 milyon parametreli bir protein ters katlama modeli; şirket, ProteinMPNN’den 57 kat hızlı olduğunu ve 50 milisaniyede 128 protein dizisi tasarlayabildiğini bildiriyor.
What should I do next in practice?
Tencent’in sonuç deposunda model ağırlıkları, çıkarım kodları ve teknik raporlar yer alıyor; ancak yayımlanan sonuçlar bağımsız doğrulama anlamına gelmiyor.
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…