AI 不刷题了，它去造了一只手

2026-11-03 · 人工智能

高三那年我把一本《五年高考三年模拟》刷完了。考场上遇到一道没见过的题，还是傻眼。

那本五三教给我的，是一百多道题的答案。它没教我怎么对付第一百零一道。这件事我到很多年后才想明白：刷题练的是手感，不是本事。

11 月 2 日，腾讯混元发了个东西，说的就是这件事。

三个月前，它靠刷题出过名

今年夏天，混元发过 Hyra 1.0，一套极简的 agent 循环。发布一周后，它驱动开源模型 Hy3，解决了加法组合学里悬了五十多年的一个问题——和集与差集的最优指数。国产开源模型第一次全自动拿下一个数学开放问题。

那阵子很热闹。混元自己在博客里数了时间线：Hyra 1.0 发布 11 天后，OpenAI 公布下一代模型 Astra 的内部版本在 10 个长期开放问题上出了新结果；之后两个多月，OpenAI 又宣布给出 Navier–Stokes 千禧年问题的解答，公开了 722 篇由内部模型产出的数学手稿。

一路疾驰。所有人在同一条路上疾驰：给 AI 一道有明确评判标准的难题，让它循环尝试，直到超过已知最好成绩。

然后混元停下来问了一句：然后呢？

解出一道题，你收获一个答案。这个答案不会让你下一次解得更好。「刷题抽卡」这个词他们自己用了，很诚实。烟花很响，放完就没了。

他们给的答案叫工具升级。一件工具改好了，所有用到它的下游任务都跟着受益。用他们引的荀子的话：君子生非异也，善假于物也。

所以 Hyra 2.0 不答题了，它去造工具。造科学模型、造研究工作流、造软件工具。

一只先变慢的手

我最喜欢的是那只手。

机器人灵巧手，做手内物体旋转这种活。传统做法是先定机械结构，再训练控制策略——手长什么样是人定的，策略去适应手。Hyra 2.0 把手的设计也交出去了。

它找出来一个挺怪的样子：五根手指绕着掌心排，长度从短到长依次递增。像个旋梯。混元管它叫「旋梯手」。

这东西刚造出来的时候，比原有最好的设计慢约 11%。也就是说，它第一版是错的，而且错得挺明显。

然后它用相同的预算训练控制算法，仿真里的旋转速度到了 3.28 rad/s，基线是 2.55 rad/s。快了 28.6%。

从慢 11% 到快 28.6%，中间隔着的不是灵感，是试错。人做研究也这样，区别是人不好意思承认自己第一版是错的，总要给它编个理由，说是「阶段性成果」。

它交差要带证据

Hyra 2.0 的骨架分三层。

Overall 跟人对接，管优先级、协调资源、拍关键决策。Mission 长期盯住一个问题，定路线、设计实验、对结论负责——哪些假设还值得投钱，哪些结果得复核，什么时候该换方向，都是它判断。Worker 下去读代码、做实验、分析失败原因，也可以反过来质疑 Mission。不同 Worker 可以用不同的模型，互相提供不同的判断。

这套东西直接接进了真实的研发环境：在企业微信里跟研究者对齐需求，在计算平台提交和管理实验，在代码仓库里改代码、验证。算力开销大的操作、要同步共享知识的操作，得人批。任务进持久化队列，等训练结果、等审批的时候，别的活照跑；agent 还能给自己定个闹钟，到点接着干。

真正让这套系统站得住的是证据规则。Worker 报告完成，必须附代码版本、实验结果、日志或原始运行轨迹。Mission 能翻操作记录，看实验到底支不支持报告里那句话。需要独立验证的时候，系统另起一个 Review Worker，让它先接触原始问题和原始证据，不先看执行者的结论——免得被带偏。

混元写了一句我读了两遍的话：复核可能发现错误，也可能发现现有证据只支持一个范围更窄的结论，这些都需要如实保留。

如实保留。大部分人类写报告的时候做不到这一点。

经验也要留住。项目状态、agent 的分层记忆、跨任务的共享知识库，三套分开存。共享知识库里的每条记录要写做法、理由、适用条件和原始证据，分「观察」「已验证」「约定」三级——单次实验看到的现象只是观察，独立复现过的才算可靠依据，影响团队行为的约定必须人来确认。项目复盘时，能迁移的方法整理成 skill，下次直接用。

单次尝试越贵，越有必要留下经验。这话说得像工厂管理，其实是一句老话：别在同一个坑里掉两次。

交出来的东西

昨天那批成果，硬得有点不真实。

HyInv，蛋白质逆折叠，196 万参数的图神经网络——参数小得像个玩具。它的预训练、微调、强化学习、推理优化全由 Hyra 2.0 完成，生成速度是制药行业标配 ProteinMPNN 的 57 倍，序列跟目标结构的吻合度还更好。单张 H20 显卡上，生成 128 条约 400 个残基的序列，约 50 毫秒。

HyPLM-Flash，蛋白质语言模型，6.5 亿参数，用了 7260 亿训练 token——这个量是 ESM-2 650M 的 0.73 倍。在比较的 12 个同类模型里推理最快，35 项评测平均排第 3。

HyFF，分子模拟的原子级基础模型，五个规模从 230 万到 12 亿参数，覆盖 83 种元素，支持带电和开壳层体系。它模拟了近 6 万个原子的水通道蛋白膜体系、跑了 100 纳秒，能看见水分子排成一列逐个穿过通道；在一个 4.6 万原子的酶体系里，从选定起点出发，看到了一次完整的断键、成键。

数学那边，HyProver 跟数学家一起核验整理了丘成桐先生的圆周作用猜想、五维 Petty 等距点猜想的证明。

量子那边，HyQEC 构造出量子码 [488,123,22]，编码效率指标 kd²/n 到 122.0，在非 CSS、校验权重不超过 8 的条件下，比 qLDPC Challenge 原榜首高约 48%。它还顺手把原榜首那个码的码距上界从 95 收紧到 86，给排行榜 187 个条目里的 178 个做了精确码距认证。两个数字我特意核了：紧上界和认证别人，这不是刷分，是当裁判。

芯片那边，它优化开源的 RISC-V 处理器「香山」，SPEC CPU2006 每 GHz 性能提了 5.79%，芯片面积只多了 0.3%。

最后那一步

最值得看的是最后一段。

Hyra 2.0 已经在参与混元下一代模型的研发：预训练那边优化训练基础设施、参与新技术的实验验证；后训练那边搭自动化的数据合成管线；推理那边优化镜像和系统，压部署成本。

意思是，它造工具帮人训出更强的模型，更强的模型回头又成了它手里的工具。工具越好，造工具的系统越强；系统越强，下一件工具造得越好。

这个闭环有个学名，递归自我改进。听着吓人。但把它拆开看，其实就是一句话：学会了造扳手，就能造更好的扳手。

我不知道这算不算好事。我只知道，一只先慢了 11%、后来快了 28.6% 的手，比一份完美无缺的答卷更让人信服——因为它把中间那些走错的路留在了那里，谁都能去翻。

成果都放在 github.com/Tencent-Hunyuan/hyra-results，混元说会持续公开，供社区检验和复用。

检验这两个字，比「发布」重得多。