ITCOW牛新网 7月21日消息，腾讯混元今日发布 Hyra（Hunyuan Research Agent）的首个版本 Hyra‑1.0，这是一款专为性能导向的研究与工程任务打造的智能体，核心能力在于能够递归自我改进（RSI），在真实 AI 研发流水线、自然科学研究乃至工业场景中不断学习和进化，而非仅停留在公开基准测试的闭环内。
过去一年，递归自我改进与自动化研究已成为 AI 前沿最活跃的命题之一。谷歌 DeepMind 的 AlphaEvolve 以仅 48 次标量乘法完成 4×4 复数矩阵相乘；Together AI 让一群智能体在开放环境中协作，将 11 维 kissing number 已知下界从 593 推至 604；Andrej Karpathy 的 autoresearch 则用精简循环让模型训练研究自主运转。此后一批进化型系统接连涌现，智能体正逐步跨越封闭基准，在开放的科学发现中展现出超越人类的潜力。
据ITCOW牛新网了解，Hyra 的 Harness 设计遵循“苦涩的教训（The Bitter Lesson）”：框架尽量轻量简单，智能体动作空间尽量广阔。给定任务描述后，Hyra 会持续运行一个循环——基于历史经验（含过往方案运行日志、评估器反馈、源代码等）探索并提出更优 solution，循环直至智能体主动结束或预算耗尽，最终返回历史最优方案。例如在仅凭一张 2D 参考图像设计物体三维结构并生成可渲染 3D 模型的任务中，Hyra 借助基于 rubrics 的 VLM judge 从轮廓、比例、结构完整性、材质与视觉相似度等维度评价结果，在多轮探索中持续修改建模代码和渲染参数，相较使用 Claude Code goal 模式生成的模型，其输出更接近参考图像且更符合人类审美。
目前 Hyra 相关研究博客已上线：https://hy.tencent.com/research/hyra 。随着 Hyra‑1.0 落地，腾讯混元正试图把递归自我改进从理论验证拉进真实研发流水线，让智能体在科学与工程实践中完成从“解题”到“发现”的跃迁。