Tencent dice que Hyra encontró una construcción óptima para una cota suma-diferencia de 57 años

Why it matters

A verified proof would show an AI research agent converting computational search into a general mathematical construction. It would also give Tencent a credible flagship application for Hyra beyond paper retrieval and routine analysis.

Tencent Hy dijo el 30 de julio que su agente de investigación Hyra y el modelo Hy3 encontraron una construcción explícita que hace que una cota superior de 1969 sea ajustada en un problema de combinatoria aditiva de larga duración.

El problema pregunta qué tanto más rápido puede crecer el conjunto suma (sumset) de un conjunto finito de enteros en comparación con su conjunto de diferencias. Para un conjunto finito y no vacío $A$, el conjunto suma $A+A$ contiene cada valor $a+b$ para $a,b$ en $A$, mientras que $A-A$ contiene cada diferencia $a-b$.

El objetivo es el menor exponente universal $c$ que satisface

$$ \frac{|A+A|}{|A|} \leq \left(\frac{|A-A|}{|A|}\right)^c $$

para todo tal $A$. Tencent dice que un teorema de 1969 estableció que $c=2$ es suficiente. Probar que 2 es el valor más pequeño posible requiere una familia infinita de conjuntos cuya razón se aproxime a esa cota superior.

La gráfica del resultado de Tencent dice que Hyra y Hy3 produjeron una familia explícita, denotada $A_K$, para la cual el exponente correspondiente se aproxima a 2 cuando $K$ tiende a infinito. Si la construcción y la demostración resisten la revisión, el resultado cerraría la brecha entre la desigualdad universal conocida y las mejores construcciones explícitas de cotas inferiores.

A theorem claim, rather than another search score

La distinción entre una familia explícita y un ejemplo finito con puntuación alta es central para la afirmación de Tencent.

La tabla de Tencent lista una serie de resultados previos, incluyendo 1.0290 para una construcción de Marica, 1.0598 para una construcción de Freiman-Pigarev y 1.1259 para una familia de Penman-Wells. También lista resultados de búsquedas asistidas por IA: 1.1440 para SimpleTES, 1.1449 después del post-entrenamiento de SimpleTES y 1.2851 para un sistema Codex identificado como usando GPT-5.5 con orientación humana.

investigadores de SimpleTES describieron su propio resultado como una búsqueda en conjuntos finitos impulsada por un evaluador exacto. Su sistema mantenía tablas de multiplicidad de suma y diferencia, luego alteraba una estructura base de progresión aritmética para mejorar la razón medida. Eso produjo una construcción individual más fuerte, en lugar de una familia asintótica que demostrara que el exponente universal es óptimo.

Tencent dice que Hyra cruzó ese segundo umbral. El resultado declarado no se limita a elevar el récord numérico. Aporta una familia destinada a llevar el exponente hasta 2.

El resultado matemático debe seguir siendo tratado como la afirmación de un teorema por parte de Tencent. El anuncio en X presenta la conclusión y una tabla comparativa. La verificación independiente requiere que los matemáticos examinen la construcción completa y la demostración.

Hyra gets a flagship case nine days after launch

Tencent anunció Hyra-1.0 el 21 de julio, describiendo Hunyuan Research Agent como un sistema construido para tareas de investigación e ingeniería orientadas al rendimiento. Tencent dijo que Hyra puede mejorar recursivamente sus estrategias mediante autojuego, autoevaluación y retroalimentación de usuarios.

El resultado suma-diferencia le da a Tencent un caso de estudio concreto nueve días después de esa presentación. También coloca a Hyra en la misma categoría de agentes de investigación que AlphaEvolve de Google DeepMind, que combina modelos de lenguaje con evaluadores automatizados para buscar algoritmos y construcciones matemáticas.

Ambos sistemas se enfocan en problemas donde una respuesta propuesta puede ser puntuable o verificable automáticamente. Esa estructura permite que un agente genere candidatos, los mida, retenga ideas útiles y repita el proceso a una escala que sería poco práctica para un solo investigador. El paso más difícil es convertir un objeto computacional con alta puntuación en una construcción general con demostración. El anuncio de Tencent dice que Hyra hizo esa transición aquí.

Hyra se ejecutó con Hy3, que Tencent lanzó oficialmente el 6 de julio tras presentar el modelo en abril. El modelo de pesos abiertos usa una arquitectura mixture-of-experts con 295 mil millones de parámetros en total, 21 mil millones de parámetros activos y una ventana de contexto de 256K tokens. Tencent liberó los pesos bajo la licencia Apache 2.0.

Tencent ha posicionado Hy3 en torno al razonamiento, el uso de herramientas y los flujos de trabajo de agentes, apoyado por un ciclo de desarrollo del modelo que toma retroalimentación de los productos de Tencent. Hyra añade un marco de investigación alrededor de esas capacidades: el modelo propone y analiza enfoques candidatos, mientras que la evaluación y la búsqueda recursiva empujan el trabajo hacia un objetivo medible.

El momento sirve a la estrategia mayor de modelos de Tencent. Los pesos abiertos y los bajos costos de inferencia hacen que Hy3 esté disponible para desarrolladores, mientras que Hyra ofrece evidencia de que Tencent puede construir sistemas valiosos encima del modelo base. Una solución verificada al problema suma-diferencia le daría a Tencent un argumento más sólido que otra tabla de referencia: un resultado matemático asistido por IA con una afirmación precisa, una cota superior conocida y una demostración que puede ser verificada línea por línea.