7 月 21 日,腾讯混元正式发布 Hyra-1.0（Hunyuan Research Agent），这是国内首个面向研究与工程任务的递归自我改进（Recursive Self-Improvement，RSI）智能体。 Hyra 的设计遵循 The Bitter Lesson：把外部框架做轻、把动作空间做宽。给定任务描述后，它会持续运行一个探索循环——基于历史经验（含过往 solution 的运行日志、评估器反馈、源代码）不断提出更好的方案，直到主动结束或预算耗尽，最终返回历史最优解。这种“经验复用 + 自动反思”的模式，让 Hyra 能在公开 benchmark 之外，在产品系统、AI 研发流水线乃至自然科学与工业场景里持续进化。 官方样例展示了这种能力的优势：仅凭一张 2D 参考图生成可渲染的 3D 模型，Hyra 多轮迭代修改建模代码和渲染参数，由基于 rubrics 的 VLM judge 从轮廓、比例、结构完整性、材质等维度打分，产物比 Claude Code goal 模式更接近参考图像、更符合人类审美。 过去一年 RSI 与自动研究几乎由海外主导：DeepMind 的 AlphaEvolve 用 48 次标量乘法完成 4×4 复数矩阵相乘，Together AI 把 11 维 kissing number 下界推到 604，Karpathy 的 autoresearch 给出精简的训练自循环范式。腾讯这次入场，意味着国内厂商开始系统性补齐这一前沿方向——而 RSI 的真正考验是“在生产环境里跑得久、稳、安全”，Hyra 把验证直接挂在研发流水线和工业场景里，这种姿态本身比纯 demo 更值得关注。