本文目錄

北京時間 2026-11-02 16:50:32（08:50:32 UTC），提交 df852cb881e4ade1eb00c493c7db4aac1c22e744 合入 Tencent-Hunyuan/Hyra-results，說明為 Add HyInv and HyPLM-Flash model releases under AI4Science。數秒後 Release hyplm-flash-weights 釋出（北京時間 16:50:59／08:50:59 UTC），欄位為 prerelease: false、draft: false。落地內容包括模型定義、推理程式碼、英文 README、技術報告 PDF、倉內 HyInv 權重，以及作為正式 GitHub Release 的 HyPLM-Flash FP32 權重——不是預告標籤。

開放推理與開放權重回答的是部署問題，並不自動回答完整訓練復現問題。下文對照合入提交、Release 頁與兩份英文 README 實際寫明的環境、精度路徑、seed／裝置規則，以及仍缺的訓練側條件。端到端速度與精度我們未跑、也未複測；README 與技術報告裡的吞吐、毫秒錶、ProteinGym 等數字若引用，一律標為文件自述。

站內相關：Hunyuan 開源 Hy-Nomas：可互動影片世界模型，4090 也能跑、騰訊開源 Hy-SimulMT：下載權重還不等於能開口同傳、Atria Dawn 正式版權重開放：Hugging Face 上的 512K 上下文、MiniMax M3.1 Flash 開源權重已上 Hugging Face。上述篇目分屬其他混元或開源權重線；本文只寫 Hyra AI4Science 的逆折疊與蛋白語言模型推理條件。

合入提交在 AI4Science 下放了什麼

按提交說明，兩個目錄都帶模型權重（HyPLM-Flash 大權重走 Release）、模型定義與推理程式碼、技術報告 PDF 與英文 README。author／committer 時間為 2026-11-02T08:50:32Z／08:50:44Z，即北京時間 16:50:32／16:50:44。路徑為 AI4Science/hyinv/ 與 AI4Science/hyplm_flash/。

兩份 README 均寫由研究代理 Hyra 2.0 訓練；樹內 LICENSE 為 MIT。這只覆蓋已釋出的推理包說明，並不等於倉庫附帶了完整訓練資料快照。

Release hyplm-flash-weights：正式 FP32 分片

Release API 與標籤頁一致：

  • tag_name： hyplm-flash-weights
  • name： HyPLM-Flash weights
  • prerelease： false · draft： false
  • published_at： 2026-11-02T08:50:59Z ＝ 北京時間 2026-11-02 16:50:59

資源：

資源大小（位元組）
model.safetensors.part01303875482
model.safetensors.part11303875482
合計2607750964（約 2.61 GB 十進位制）

Release 正文：FP32、兩片；下載後 cat 成 model.safetensors，校驗 sha256 ce7dcd4fc473dc334d869718a9a31149573893795db03c45efeb396e8b180ab1。同流程見 AI4Science/hyplm_flash/weights/download.sh。assets API 上的分片 digest 與合併後校驗值不是同一回事——以 Release 正文裡的合併檔案校驗為準。

HyInv：1.96M 逆折疊，CPU／GPU 均可

README 描述：1.96M 引數圖網路，做蛋白逆折疊（骨架 → 序列），ProteinMPNN 風格訊息傳遞（4 層編碼器、3 層解碼器），只看 N／Cα／C／O，CPU 與 GPU 都能跑。放出的是結構獎勵強化學習版權重；文件取樣為 16 輪（編碼一次，8 輪盲寫溫度 0.6，再 8 輪改寫溫度 0.34）。

倉內權重。 Layout 寫 weights/model.safetensors 為 FP32、7.8 MB；GitHub Contents API 查詢大小為 7843508 位元組（約 7.48 MiB）。兩者描述同一檔案，沒有第三個體積。

安裝面。 Python 3.10+、PyTorch、safetensors、numpy；CUDA 加速另需 triton（pip install -e '.[fast]'）。CLI 形如 python -m hyinv design --pdb structure.pdb --n 128 --seed 0 --out designs.fasta，並支援鏈、固定殘基、溫度、--device cpu|cuda、--fast off|exact|bf16、--weights。

可復現條件（README Notes）。 結果一致需要同一 seed、batch size（預設 64，按長度自動收緊）、device type、PyTorch 版本。每個 batch 獨立隨機流：第 k 個 batch 用 seed+k，改 batch size 就會改結果。CPU 與 GPU 隨機流不同，同 seed 下序列也不會相同。筆記本 CPU 煙測對上實驗室 GPU 跑數時，這條最容易漏。

--fast。 預設 off：FP32 參考實現（CPU／GPU）。exact：FP32 級加速（TF32×3、erf GELU），引數對齊時序列幾乎總與 off 相同，機率接近平局時偶發單點翻轉。bf16：BF16 運算元、FP32 累加、tanh GELU——最快，但數值路徑不同，同 seed 不保證與 off 同序列，自身在相同引數下可復現。Triton 核心在 Hopper 類 H20（sm_90） 上驗證過；其它架構 README 寫「應能編譯」且未驗證。首次編譯與 CUDA graph 捕獲耗時與穩態延遲分開記。

README／技術報告中的毫秒表（例如單卡 H20、給定條件下 bf16 約 25／54 ms 對應 148／402 殘基）屬文件自述，我們未複測。

HyPLM-Flash：650M masked PLM，必須 CUDA

README：650M masked 蛋白語言模型；安裝需要 CUDA GPU，推薦 Hopper（H20／H100）。FP32 權重即上述 Release 雙分片（約 2.61 GB），用 bash weights/download.sh 拉取（需 curl；觸達限流再設 GITHUB_TOKEN）。pip install -e . 依賴 torch、safetensors、triton、flash-attn；有 FlashAttention-3 則優先，否則 FlashAttention-2。

精度（README 表）。 預設 precision="int8" 面向表徵抽取、zero-shot、結構／功能預測等；文件自述單卡 H20 約 130,000 residues/s。precision="bf16" 自述約 90,000 residues/s，更適合在近同變體上訓監督迴歸（如 FLIP 的 AAV／GB1）——README 稱 INT8 下同蛋白變體表徵大約只差 1%。INT8 下 zero-shot／結構／功能／likelihood 與 BF16 差距自述在 0.01 內。以上均為文件宣傳，我們未實測。

介面：HyPLMEncoder.from_pretrained("weights")（預設 INT8）、encode／logits、多卡輔助與低延遲 CUDA graph。單序列最長 8190 殘基；batch_tokens 預設 32768。

README 中 ProteinGym zero-shot Spearman 0.409、「長程接觸精度最佳」等表述為自述評測文案，我們未復現該評測網格。

開放推理 ≠ 訓練全復現

就合入提交與 README 可見範圍，這兩款模型公開了：

  • 模型定義與推理程式碼
  • 技術報告 PDF
  • HyInv 倉內 FP32 權重（README 7.8 MB／API 7843508 B）
  • HyPLM-Flash 正式 Release FP32 權重（約 2.61 GB、兩片）
  • MIT 許可文字

同一批頁面不能據此寫成完整訓練一鍵可復現：

  • 完整語料與精確資料配方（HyPLM-Flash README 僅有相對 ESM-2 等的高層對比，如「0.73× ESM-2 650M 資料量」）
  • 端到端訓練指令碼、日程與獎勵管線的完整公開回放
  • 保證任意本機棧在未對齊硬體／軟體／seed 時復現 README 延遲或 ProteinGym 數字

結論：可部署的推理包 + 已釋出權重，外加取樣／編碼的可復現規則——不是「克隆倉庫等於訓練全復現」。

運維對照清單

  1. 時間。 合入與 Release 集中在北京時間 2026-11-02 16:50（08:50 UTC）；Release 為正式版（prerelease: false）。
  2. 目錄。 逆折疊 → AI4Science/hyinv；masked PLM → AI4Science/hyplm_flash + Release 下載。
  3. HyInv 可復現。 鎖定 seed、batch size、device type、PyTorch 版本；記住每 batch seed+k 與 CPU≠GPU 隨機流。
  4. HyInv --fast。 off＝FP32 參考；exact≈對齊 off；bf16＝同分布另一取樣，不與 off 逐位相同。核心在 Hopper H20 驗證；其它 GPU 未驗證。
  5. HyPLM-Flash 硬體。 必須 CUDA；推薦 Hopper。README 未聲稱支援 CPU 推理。
  6. 精度。 預設 INT8 做表徵／zero-shot／結構功能向；近同變體上訓迴歸更宜 BF16。
  7. 校驗權重。 HyPLM-Flash：合併分片後核 sha256 ce7dcd4fc473dc334d869718a9a31149573893795db03c45efeb396e8b180ab1。HyInv：README 7.8 MB 與 API 7843508 B 指向同一 model.safetensors。
  8. 宣傳數字。 吞吐、毫秒錶、ProteinGym 0.409 等讀作「README／技術報告自述」——我們未複測。
  9. 許可。 兩包均為 MIT；再分發時保留 LICENSE。
  10. 選題。 寫的是 Hyra AI4Science 蛋白工具條件，不是 Hy-Nomas、不是 Hy-SimulMT，也不宣稱訓練已全部公開。

小結

北京時間 2026-11-02 16:50，Tencent-Hunyuan/Hyra-results 開放了 HyInv（1.96M，CPU／GPU，seed／batch／device／PyTorch 硬條件）與 HyPLM-Flash（650M，CUDA／偏 Hopper，預設 INT8、近同變體迴歸偏 BF16）的推理程式碼、報告與權重——含約 2.61 GB 的正式 HyPLM-Flash Release。按文件可以把推理路徑搭起來；這不等於完整訓練可復現，且 README 數字我們未實測。現場跑數反饋可透過頁尾站長聯絡方式提交。