7月31日，腾讯混元AI研究智能体Hyra以自研Hy3模型为底座，攻克了加法组合学中一个悬而未决半个多世纪的开放问题，在55道数学开放问题中刷新了29道的最好结果。姚顺雨亲自下场，为AI for Science方向招人。
问题本身并不复杂：给你一组整数，任意挑两个做加法，可以得到多少种不同答案？把加法换成减法，又能得到多少种？数学家想知道的答案是——能不能设计出一组特殊数字，让加法结果远远多于减法结果？最多能多到什么程度？
此前的数学理论已经划出一条上限：加法结果的增长速度，最多接近减法结果的平方。但这条上限究竟只是一个宽松的估计，还是确实可以无限逼近？数学家争论了半个多世纪。
就像工程师算出高铁时速不超过350公里，但实际极限可能只有200——「350」到底是真正的天花板，还是画得太高的线？
数学家手动设计数字集合，逐步逼近上限。1969年→1973年→2013年……每推进一小步，耗时数年甚至数十年。
不再只是「又高了一点的纪录」，而是找到可不断扩展的构造，证明随着集合规模增大，结果能够无限接近理论上限2。
注：数值代表加法结果与减法结果之比的数学下界，越接近2说明构造越优。半个多世纪以来，人类数学家从1.0290逐步推进至1.1259，Hyra首次证明2是可以无限逼近的。
Hyra所做的，不是简单地用算力穷举。它先在有限范围内试出了更好的结果，随后转向用自然语言提出数学构造和论证。经过约24小时运行，找到了论文的核心思路。
研究团队随后独立检查并整理出完整证明，还给出了一份Lean 4形式化证明——让计算机逐步核验推导过程。从发现线索、提出构造，到给出能够验证的完整证明，Hyra已经不只是帮数学家「搜答案」。
一个诚实的注脚：
混元官方强调，目前这些还只是初步尝试，可能比较粗糙。但Hyra已经展示了AI参与数学研究的完整链条——提出假设、验证、给出可复现的证明。
在首批AI4S测试中，Hyra一口气闯进了数学、天文、量子计算和药物设计等多个领域，交出了一张相当优秀的成绩单。
注：柱形长度代表相对表现，非精确比例。数学开放问题刷新率为53%，量子路由提效为相对经典方案的提升幅度。
这些成果覆盖了从基础科学到应用研发的完整光谱。Hyra在一个统一的智能体框架下，完成了跨学科的任务切换——这在以往需要多个专门团队协同才能做到。
姚顺雨的招聘只有一句话：「混元AI4S正在招人了 :)」+ 一张Hyra的成绩单。没有详细的职位描述，但团队正在做的事已经说明了一切。
如果AI已经能自己解决人类研究几十年的难题，团队接下来究竟要招人干什么？
招聘物化生方向数据实习生，设计学科知识标注规则，分析复杂科学数据，构建科学领域评估基准，训练具备学科思维链能力的科学大模型。
Hyra-1.0这样的科研智能体已经开始带着模型直接进入科研流程。需要AI研究员、系统工程师和领域科学家共同协作。
顺着这条路线往回看，混元想招的人已经清晰：
只会造模型，还不够。科学研究不是答案藏在背后的标准化考试。什么问题值得研究，什么指标代表真正进步，模型给出的方案有没有违反领域常识，都需要专业判断。混元想找的，是既懂AI、又懂具体科学问题的交叉型人才。
混元的这次招聘，放在最近的AI行业里看，并不是一个孤立事件。它对应的，是一个正在业内蔓延的新共识：AI正从辅助工具，进化为真正的研究者。
一边，是姚顺雨拿着AI刷新数学问题纪录的成绩单招人；另一边，是最靠近技术前沿的OpenAI和Anthropic罕见联合发声，呼吁建立能够协调AI发展速度的国际机制，主动给AI发展「踩刹车」。
两件事放一起，背后指向同一个现实：AI自进化，已经开始走进真实的科研与研发流程。
今年菲尔兹奖相关讨论中，有一句热评非常生动地反映了这种变化：「这可能是最后一届纯人类成果获得菲尔兹奖了」。话虽然带有夸张成分，但没有人敢跳出来否认这个可能性。当AI可以批量尝试人类研究者无暇探索的方向，并且把成功和失败全部留在经验库中，科学研究的速度，就不再只由人类数量决定了。
AI自进化时代，关键控制权不能只交给AI自己。什么问题值得研究、什么结果可以相信、AI可以迭代到什么程度、又应该在什么时候停下来——这些判断，需要人类科学家与AI共同完成。混元招人的真正意义，在于为这条边界培养「双语的守门人」。
Hyra 的解题论文已公开，研究团队正在寻找更多 AI4S 方向的同行者。
关注腾讯混元官方渠道 → 了解更多