腾讯混元发布Hyra-1.0：首个支持递归自我改进的科研智能体

SmartHey7月21日消息，腾讯混元今日正式推出Hyra-1.0——Hyra（Hunyuan Research Agent）系列的首个版本。这是一个专为高性能科研与工程任务设计、具备递归自我改进能力的智能体。

腾讯介绍，Hyra不仅能在公开基准测试中表现优异，更可深度融入真实AI研发流水线，在自然科学研究及工业实际场景中持续学习与进化。

过去一年，递归自我改进（RSI）与自动化科研已成为全球AI前沿最活跃的研究方向之一。

例如，Google DeepMind的AlphaEvolve仅通过48次标量乘法即完成4×4复数矩阵乘法；Together AI构建多智能体协作系统，在开放环境中将11维kissing number的已知下界从593提升至604；Andrej Karpathy提出的autoresearch框架，则验证了模型训练研究可实现端到端自主循环。

在此背景下，一批具备持续进化能力的新型智能系统相继涌现——智能体正逐步突破封闭评测环境，走向真实、开放的科学发现前沿，并在部分任务中展现出超越人类专家的潜力。

腾讯混元Hyra的设计遵循“The Bitter Lesson”原则：框架保持轻量简洁，同时赋予智能体尽可能宽广的动作空间。面对给定任务描述，Hyra持续执行“探索—生成—评估—迭代”闭环：基于历史经验，自主提出并优化解决方案。

其历史经验涵盖过往方案的运行日志、评估反馈、源代码等多维度数据。该循环将持续运行，直至智能体主动终止或资源预算耗尽，最终输出历史最优解。

以三维建模任务为例：仅提供一张2D参考图像，Hyra即可自主设计物体三维结构并生成可渲染的3D模型。系统采用基于rubrics的视觉语言模型（VLM）评估器，从轮廓准确性、比例协调性、结构完整性、材质合理性及整体视觉相似度等多个维度进行综合打分。

在多轮迭代中，Hyra持续调整建模逻辑与渲染参数，最终生成结果相较Claude Code Goal模式输出的模型，在图像保真度与人类审美契合度上均显著提升。