腾讯混元今天扔出个会"自己改自己"的智能体
7月21日，腾讯混元发布了 Hyra-1.0，全称 Hunyuan Research Agent。它主打一个能力：递归自我改进（RSI）。给个任务，它自己跑循环——探索、提出更好的方案、看反馈、再改，直到自己觉得够了或者预算花完。
它到底怎么干活
设计上 follow 了 "The Bitter Lesson"：框架尽量轻，让智能体的动作空间尽量广。具体循环是——拿到任务描述，基于历史经验（包括之前方案的日志、评估器反馈、源代码）持续提出更好的解法，跑完评估，再迭代。
腾讯给了一个例子：只给一张 2D 参考图，让 Hyra 设计出能渲染的 3D 结构。它用基于评分标准的 VLM 当裁判，从轮廓、比例、结构完整性、材质、视觉相似度几个维度打分。多轮改下来，比用 Claude Code 的 goal 模式生成的模型更接近原图，也更顺眼。
为什么这事在风口上
递归自我改进是这段时间 AI 圈最活跃的前沿之一。往前看，Google DeepMind 的 AlphaEvolve 用 48 次标量乘法就搞定 4×4 复数矩阵相乘；Together AI 让一群智能体把 11 维 kissing number 的下界从 593 推到 604；Karpathy 的 autoresearch 展示了一套让模型训练研究自己转起来的精简循环。
这些系统正在跨出封闭的基准测试，在开放的科学发现里开始超过人。
泼点冷水
"递归自我改进"听着像科幻，但 Hyra 是在一个受控的循环里跑，不是无监督地自由进化。而且它"跑到预算耗尽才停"，算力成本不低。
对普通人和小团队来说，这东西暂时用不上——它是给 AI 研发流水线和科研场景设计的。但方向值得记一笔：智能体从"帮你写代码"走向"自己搞研究"，这步走得比很多人想的快。
RSI 不是新概念，但 2026 年它从论文走进了能跑的产品。Hyra 这类东西的出现，意味着"AI 做研究"正在从演示变成日常工具。
你会用上这种智能体吗？短期大概率不会直接碰。但它背后的思路——让 agent 自己迭代自己的产出——会慢慢渗进你常用的那些 AI 工具里。