腾讯混元发布Hyra 2.0，这是一套面向自动化科研的智能体框架，采用Overall、Mission、Worker三层协作结构：顶层负责拆解科学目标与规划路线，中层把目标转译为可执行的研究任务，底层Worker负责具体的编码、实验与工具调用。与「让AI解题」的思路不同，Hyra 2.0的定位是「让AI造工具」——参与科学模型、工作流与软件工具的研发与升级。
官方给出的验证案例颇有说服力：系统从头训练了一个196万参数的蛋白质设计模型，速度较业内常用的ProteinMPNN快57倍，相关成果已在GitHub公开。蛋白质设计是典型的「小模型+强领域约束」场景，过去依赖研究者的经验做架构搜索与参数调优，这类工作恰好是智能体可以规模化尝试的空间。
这一方向与近期多个进展形成合流：数学家Thomas Hales指出AI自动形式化已走向实用，Anthropic警告已接近递归自我改进能力，腾讯自身的科研智能体则在具体学科里给出了可复现的成果。共同指向的是AI在科研中的角色变化——从「助手」变成「共同研究者」，承担实验设计、工具开发与验证这类原本由人类研究生完成的工作。