腾讯将 Hyra 2.0 描述为一套面向科研的智能体系统：它不只尝试回答眼前的问题，也希望开发模型、工具和工作流，让一次研发成果能用于后续研究。腾讯列出的早期成果包括蛋白质设计模型、分子模拟力场和量子纠错工具。现有资料主要记录腾讯及相关报道公布的结果，尚不足以证明这些结果已获独立复现。 2411

从一次性解题到可复用成果

按照腾讯的介绍，Hyra 2.0 的目标是让通用智能体参与科研工具和模型的开发与改进，使单次研发的产出能够在未来研究中再次派上用场。 2 换句话说，系统追求的不只是给出一个答案，也包括留下可重复使用的成果，例如模型或软件工具。

相关报道将其架构概括为 Overall、Mission 和 Worker 三层智能体。 3 更直观的部分，则是腾讯公开的成果仓库：其中列有已发布项目的模型权重、推理代码和技术报告，包括 HyInv 与 HyPLM-Flash。 11 但现有来源并未证实更广泛科研基础设施的每项细节，例如是否配有持久化任务队列或专门的审查智能体。

早期成果横跨蛋白质、材料与量子计算

HyInv：蛋白质逆折叠模型

腾讯称，HyInv 是从头训练的蛋白质逆折叠模型，参数量为 196 万；其生成速度据称是 ProteinMPNN 的 57 倍。腾讯的研究页面还称，HyInv 能在 50 毫秒内设计 128 条蛋白质序列。这些是腾讯公布的基准测试说法，现有来源并未提供独立对比验证。 24

HyPLM-Flash 与 HyFF

腾讯的成果仓库列出了参数量为 6.5 亿的蛋白质语言模型 HyPLM-Flash，并提供其权重和代码。 1134 仓库还介绍了五种用于分子模拟的机器学习力场 HyFF，参数量从 230 万到 12 亿不等，覆盖 83 种元素。 11 这些发布体现了“留下可复用成果”的思路：不仅介绍研究结论，也公开模型和软件。

HyQEC 与处理器优化

相关报道指出，HyQEC 构造的量子纠错码，在一项编码效率指标上比此前 qLDPC Challenge 的领先结果高约 48%。 4 另一篇报道则称，Hyra 的工作将 XiangShan RISC-V 的每 GHz 性能得分提高了 5.79%。 13 这些数字应理解为报道所述的结果；现有材料不足以完整评估相应基准测试的设置。

关于“和与差”问题：能确认什么？

腾讯的 Hyra 成果仓库记录了一项经机器检查的“和集与差集”指数问题结果：对于整数的有限子集，相关上确界恰为 2，可以任意接近，却无法达到。 19 这说明仓库中包含一项数学成果，但现有来源没有证明该结果由 Hy3 或 Hyra 1.0 产出，因此不能据此断定早期系统在其中扮演了什么角色。

公开代码和权重，不等于独立验证

Hyra 成果仓库列出了多个项目已发布的权重、代码和技术报告。 11 这些材料让部分产出能够被检查和复用，但公开发布本身并不能证明每项性能主张都已由独立研究者复现。现有来源也没有证实所有发布成果都采用 Apache 2.0 许可证；Hy3 的单独许可证信息不能直接推定适用于整个 Hyra 仓库。 1824

目前最有依据的结论，是 Hyra 2.0 所强调的研发方向：腾讯称其目标是打造可复用的科研工具，公开仓库也列出了具体模型和软件成果。相关基准数据值得进一步评估，但不能代替独立验证。 211

腾讯将 Hyra 2.0 描述为一套面向科研的智能体系统：它不只尝试回答眼前的问题，也希望开发模型、工具和工作流，让一次研发成果能用于后续研究。腾讯列出的早期成果包括蛋白质设计模型、分子模拟力场和量子纠错工具。现有资料主要记录腾讯及相关报道公布的结果，尚不足以证明这些结果已获独立复现。 2411

从一次性解题到可复用成果

按照腾讯的介绍，Hyra 2.0 的目标是让通用智能体参与科研工具和模型的开发与改进，使单次研发的产出能够在未来研究中再次派上用场。 2 换句话说，系统追求的不只是给出一个答案，也包括留下可重复使用的成果，例如模型或软件工具。

相关报道将其架构概括为 Overall、Mission 和 Worker 三层智能体。 3 更直观的部分，则是腾讯公开的成果仓库：其中列有已发布项目的模型权重、推理代码和技术报告，包括 HyInv 与 HyPLM-Flash。 11 但现有来源并未证实更广泛科研基础设施的每项细节，例如是否配有持久化任务队列或专门的审查智能体。

早期成果横跨蛋白质、材料与量子计算

HyInv：蛋白质逆折叠模型

腾讯称，HyInv 是从头训练的蛋白质逆折叠模型，参数量为 196 万；其生成速度据称是 ProteinMPNN 的 57 倍。腾讯的研究页面还称，HyInv 能在 50 毫秒内设计 128 条蛋白质序列。这些是腾讯公布的基准测试说法，现有来源并未提供独立对比验证。 24

HyPLM-Flash 与 HyFF

腾讯的成果仓库列出了参数量为 6.5 亿的蛋白质语言模型 HyPLM-Flash，并提供其权重和代码。 1134 仓库还介绍了五种用于分子模拟的机器学习力场 HyFF，参数量从 230 万到 12 亿不等，覆盖 83 种元素。 11 这些发布体现了“留下可复用成果”的思路：不仅介绍研究结论，也公开模型和软件。

HyQEC 与处理器优化

相关报道指出，HyQEC 构造的量子纠错码，在一项编码效率指标上比此前 qLDPC Challenge 的领先结果高约 48%。 4 另一篇报道则称，Hyra 的工作将 XiangShan RISC-V 的每 GHz 性能得分提高了 5.79%。 13 这些数字应理解为报道所述的结果；现有材料不足以完整评估相应基准测试的设置。

关于“和与差”问题：能确认什么？

腾讯的 Hyra 成果仓库记录了一项经机器检查的“和集与差集”指数问题结果：对于整数的有限子集，相关上确界恰为 2，可以任意接近，却无法达到。 19 这说明仓库中包含一项数学成果，但现有来源没有证明该结果由 Hy3 或 Hyra 1.0 产出，因此不能据此断定早期系统在其中扮演了什么角色。

公开代码和权重，不等于独立验证

Hyra 成果仓库列出了多个项目已发布的权重、代码和技术报告。 11 这些材料让部分产出能够被检查和复用，但公开发布本身并不能证明每项性能主张都已由独立研究者复现。现有来源也没有证实所有发布成果都采用 Apache 2.0 许可证；Hy3 的单独许可证信息不能直接推定适用于整个 Hyra 仓库。 1824

目前最有依据的结论，是 Hyra 2.0 所强调的研发方向：腾讯称其目标是打造可复用的科研工具，公开仓库也列出了具体模型和软件成果。相关基准数据值得进一步评估，但不能代替独立验证。 211