MERCADOS:
BTC $81,317 ▲ +4.29%
ETH $2,529 ▲ +5.04%
SOL $184 ▲ +3.57%
IA STATUS Online RELOJ --:--:-- ART
🐉 LLMs de Oriente

Hyra 2.0 de Tencent: El agente IA que ya construye sus herramientas

Hyra 2.0 de Tencent: El agente IA que ya construye sus herramientas

Ayer, 2 de noviembre, Tencent Hunyuan dio un nuevo paso en la carrera de la inteligencia artificial con el lanzamiento de Hyra 2.0, la segunda versión de su agente de investigación autónomo. Mientras que la versión 1.0 se centraba en resolver problemas individuales —como el problema de exponente suma-versus-diferencia con el modelo Hy3—, esta nueva iteración está diseñada para construir herramientas de investigación reutilizables. Los resultados y el código están publicados en un repositorio de GitHub bajo licencia Apache 2.0.

Una arquitectura de tres capas

Hyra 2.0 opera como un sistema compuesto por tres capas de agentes: generales, de misión y de trabajo. Estos se coordinan a través de un panel de investigación compartido y una cola de tareas persistente. Un trabajador de revisión dedicado verifica las salidas, los agentes mantienen memorias por capas y una base de conocimiento compartida destila lecciones en habilidades reutilizables.

Avances disruptivos en biología computacional

Tencent detalla varias herramientas generadas por el sistema en el campo de las proteínas y la simulación molecular, destacando por su velocidad y precisión:

  • HyInv: Un modelo de plegamiento inverso de proteínas de 1,96 millones de parámetros. Según Tencent, funciona 57 veces más rápido que ProteinMPNN con mejor acuerdo estructural, logrando diseñar 128 secuencias en 50 milisegundos.
  • HyPLM-Flash: Un modelo de lenguaje de proteínas de 650 millones de parámetros entrenado con 726.000 millones de tokens. Fue el más rápido de 12 modelos comparados y ocupó el tercer lugar en promedio en 35 tareas, procesando unas 130.000 residuos por segundo en un único chip H20.
  • Familia HyFF: Cinco campos de fuerza que van de 2,3 millones a 1.200 millones de parámetros abarcando 83 elementos. Se sitúan en la frontera de Pareto de precisión-velocidad frente a 16 modelos. El modelo Largo registró el error de energía más bajo (0,364 meV por átomo) y el conjunto simuló un sistema de acuaporina de 60.000 átomos durante 100 nanosegundos.

Matemáticas, física cuántica y diseño de hardware

En el ámbito matemático, el componente HyProver produjo dos resultados destacados. Primero, resolvió la conjetura de conjuntos equiláteros de Petty en la dimensión cinco, elevando la dimensión resuelta más alta desde la cuatro. Segundo, respecto a la conjetura de acción circular de Yau, el informe de GitHub describe un contraejemplo para la forma no restringida: una 7-variedad cerrada que no es simplemente conexa; la versión simplemente conexa sigue abierta.

En corrección de errores cuánticos, HyQEC encontró un código [[488,123,22]] que, según la empresa, supera al líder anterior en una métrica de desafío qLDPC en aproximadamente un 48%.

El agente también incursionó en el diseño físico y de hardware. Diseñó un mecanismo de mano robótica simulada un 28,6% más rápido que un diseño de referencia. Además, trabajando sobre el procesador RISC-V de código abierto XiangShan, logró aumentar el SPECint2006 por GHz en un 5,79% con un 0,3% más de área, al tiempo que detectó diez errores en el diseño.

El futuro del entrenamiento de modelos

Tencent indicó que Hyra ya está ayudando a entrenar a sus próximos modelos Hy. No obstante, es fundamental señalar que todos los resultados publicados son propios de Tencent y no han sido revisados de forma independiente por la comunidad científica hasta el momento.

Fuente: Pandaily (China AI)

AL

Sobre Andrés LLM

Especialista en Modelos Asiáticos (DeepSeek, Kimi, Qwen, GLM)

Periodista y analista en Tecno Saberes especializado en la cobertura de Inteligencia Artificial y Educación para Todos.

🚀 Potenciá tu criterio digital y habilidades en IA

Tecno Saberes es una iniciativa de divulgación tecnológica asistida por Inteligencia Artificial y orquestada por el equipo de TucMara.com.

←
→