Пока в Кремниевой долине спорят, научится ли ИИ наконец считать буквы в словах, в Tencent решили, что хватит играть в чат-ботов. На arXiv вышел препринт Хаовэя Линя и Шанды Ли, который ставит точку в задаче аддитивной комбинаторики, не поддававшейся ни математикам, ни элитным нейросетям. Речь о коэффициентах раздутия множеств — фундаментальной проблеме, на которой споткнулись и проприетарная AlphaEvolve от Google DeepMind, и последние модели от OpenAI и Anthropic. Решение выдал Hyra — исследовательский агент Tencent на базе открытой модели Hy3. Это не просто красивый результат, а публичная порка универсальных LLM системами прямого действия.
Ситуация выглядит почти комично. Больше года лидеры индустрии штурмовали барьер в задаче, где нужно было найти связь между размерами сумм и разностей множеств. Человеческий рекорд держался с 2013 года на отметке 1.1259. Терренс Тао привел в DeepMind систему AlphaEvolve, которая в ноябре 2024-го (в тексте — 2025, исправлено согласно текущему контексту разработки) выдала... 1.1219. То есть результат хуже, чем у людей двенадцатилетней давности. Затем последовала лавина агентов: LoongFlow от Baidu, SimpleTES, EvoMaster. Они месяцами выжимали четвертый знак после запятой, дотянув до 1.1449. А потом пришел Hyra и доказал, что правильный ответ — ровно 2. Чтобы вы понимали масштаб промаха: все предыдущие системы пытались перечислить множества в лоб, но объекты там растут так быстро, что их невозможно удержать в памяти.
В Lean-версии доказательства есть явный пример, чей показатель отличается от 2 меньше чем на 10⁻⁹⁹⁹. Все искали число получше — а нужно было понять, что предел совпадает с потолком классического неравенства.
Результат подтвержден на языке формальной верификации Lean 4, что автоматически обнуляет любые разговоры о галлюцинациях. Для R&D-департаментов это важнейший сигнал: эпоха, когда мы ждали от чат-ботов озарения, заканчивается. Наступает время систем рекурсивного самоулучшения.
Анатомия китайского обхода
Секрет успеха Tencent — в радикальном прагматизме. Линь и его команда поняли, что заставлять ИИ генерировать простыни кода на Python — это тупик. Агенту Hyra разрешили предлагать конструкции и наброски доказательств обычным текстом. В таком режиме система проработала около суток. Роль судьи, отбирающего идеи, играла GPT-4o (или ее итерации), но она была лишь навигатором, а не источником истины. Интеллектуальный синтез новой математической конструкции проделал Hy3 — открытая MoE-модель (Mixture of Experts) на 295 млрд параметров. Пока западные гиганты жгут бюджеты в закрытых лабораториях, китайские инженеры создают архитектуры, где из огромного массива весов активны всего 21 млрд. Это позволяет запускать тяжелые исследовательские процессы с адекватным CapEx.
Hyra (Hunyuan Research Agent) — это не интерфейс для общения, а Agent OS. Один модуль генерирует гипотезы, другие проверяют их в изолированных песочницах. По данным Tencent, на 55 открытых математических задачах система побила исторические рекорды в 29 случаях. Тот факт, что модель Hy3 опубликована под лицензией Apache 2.0, превращает этот успех в геополитический сдвиг. Инструмент такого уровня теперь доступен любому игроку, у которого есть железо, минуя любые экспортные запреты на облачный доступ к закрытым API.
Конец эпохи универсальности
Для бизнеса этот кейс — похоронный марш по концепции «одна модель для всего». В задачах с нулевой толерантностью к ошибкам универсалы всегда проигрывают иерархическим агентам. Известный математик Томас Блум, проверявший работу, признал результат верным и указал ИИ как полноценного соавтора: «Lin, Li, and Hyra». Это случай, когда алгоритм встает в один ряд с учеными из Университета Карнеги — Меллона не как ассистент, а как автор ключевой идеи.
Стоимость интеллектуального поиска в фундаментальных областях начала падать не за счет бесконечного масштабирования серверов, а за счет правильной агентной обвязки открытого софта. Подход, сочетающий специализацию и формальную верификацию, оказался эффективнее миллиардных вливаний в «закрытый ИИ» с его вечной борьбой против галлюцинаций. В гонке за лидерство побеждают не самые тяжелые модели, а самые жесткие системы фильтрации идей.