本文目录

北京时间 2026-11-02 16:50:32（08:50:32 UTC），提交 df852cb881e4ade1eb00c493c7db4aac1c22e744 合入 Tencent-Hunyuan/Hyra-results，说明为 Add HyInv and HyPLM-Flash model releases under AI4Science。数秒后 Release hyplm-flash-weights 发布（北京时间 16:50:59／08:50:59 UTC），字段为 prerelease: false、draft: false。落地内容包括模型定义、推理代码、英文 README、技术报告 PDF、仓内 HyInv 权重，以及作为正式 GitHub Release 的 HyPLM-Flash FP32 权重——不是预告标签。

开放推理与开放权重回答的是部署问题，并不自动回答完整训练复现问题。下文对照合入提交、Release 页与两份英文 README 实际写明的环境、精度路径、seed／设备规则，以及仍缺的训练侧条件。端到端速度与精度我们未跑、也未复测；README 与技术报告里的吞吐、毫秒表、ProteinGym 等数字若引用，一律标为文档自述。

站内相关：Hunyuan 开源 Hy-Nomas：可交互视频世界模型，4090 也能跑、腾讯开源 Hy-SimulMT：下载权重还不等于能开口同传、Atria Dawn 正式版权重开放：Hugging Face 上的 512K 上下文、MiniMax M3.1 Flash 开源权重已上 Hugging Face。上述篇目分属其他混元或开源权重线；本文只写 Hyra AI4Science 的逆折叠与蛋白语言模型推理条件。

合入提交在 AI4Science 下放了什么

按提交说明，两个目录都带模型权重（HyPLM-Flash 大权重走 Release）、模型定义与推理代码、技术报告 PDF 与英文 README。author／committer 时间为 2026-11-02T08:50:32Z／08:50:44Z，即北京时间 16:50:32／16:50:44。路径为 AI4Science/hyinv/ 与 AI4Science/hyplm_flash/。

两份 README 均写由研究代理 Hyra 2.0 训练；树内 LICENSE 为 MIT。这只覆盖已发布的推理包说明，并不等于仓库附带了完整训练数据快照。

Release hyplm-flash-weights：正式 FP32 分片

Release API 与标签页一致：

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

资源：

资源大小（字节）
model.safetensors.part01303875482
model.safetensors.part11303875482
合计2607750964（约 2.61 GB 十进制）

Release 正文：FP32、两片；下载后 cat 成 model.safetensors，校验 sha256 ce7dcd4fc473dc334d869718a9a31149573893795db03c45efeb396e8b180ab1。同流程见 AI4Science/hyplm_flash/weights/download.sh。assets API 上的分片 digest 与合并后校验值不是同一回事——以 Release 正文里的合并文件校验为准。

HyInv：1.96M 逆折叠，CPU／GPU 均可

README 描述：1.96M 参数图网络，做蛋白逆折叠（骨架 → 序列），ProteinMPNN 风格消息传递（4 层编码器、3 层解码器），只看 N／Cα／C／O，CPU 与 GPU 都能跑。放出的是结构奖励强化学习版权重；文档采样为 16 轮（编码一次，8 轮盲写温度 0.6，再 8 轮改写温度 0.34）。

仓内权重。 Layout 写 weights/model.safetensors 为 FP32、7.8 MB；GitHub Contents API 查询大小为 7843508 字节（约 7.48 MiB）。两者描述同一文件，没有第三个体积。

安装面。 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，并支持链、固定残基、温度、--device cpu|cuda、--fast off|exact|bf16、--weights。

可复现条件（README Notes）。 结果一致需要同一 seed、batch size（默认 64，按长度自动收紧）、device type、PyTorch 版本。每个 batch 独立随机流：第 k 个 batch 用 seed+k，改 batch size 就会改结果。CPU 与 GPU 随机流不同，同 seed 下序列也不会相同。笔记本 CPU 烟测对上实验室 GPU 跑数时，这条最容易漏。

--fast。 默认 off：FP32 参考实现（CPU／GPU）。exact：FP32 级加速（TF32×3、erf GELU），参数对齐时序列几乎总与 off 相同，概率接近平局时偶发单点翻转。bf16：BF16 操作数、FP32 累加、tanh GELU——最快，但数值路径不同，同 seed 不保证与 off 同序列，自身在相同参数下可复现。Triton 内核在 Hopper 类 H20（sm_90） 上验证过；其它架构 README 写「应能编译」且未验证。首次编译与 CUDA graph 捕获耗时与稳态延迟分开记。

README／技术报告中的毫秒表（例如单卡 H20、给定条件下 bf16 约 25／54 ms 对应 148／402 残基）属文档自述，我们未复测。

HyPLM-Flash：650M masked PLM，必须 CUDA

README：650M masked 蛋白语言模型；安装需要 CUDA GPU，推荐 Hopper（H20／H100）。FP32 权重即上述 Release 双分片（约 2.61 GB），用 bash weights/download.sh 拉取（需 curl；触达限流再设 GITHUB_TOKEN）。pip install -e . 依赖 torch、safetensors、triton、flash-attn；有 FlashAttention-3 则优先，否则 FlashAttention-2。

精度（README 表）。 默认 precision="int8" 面向表征抽取、zero-shot、结构／功能预测等；文档自述单卡 H20 约 130,000 residues/s。precision="bf16" 自述约 90,000 residues/s，更适合在近同变体上训监督回归（如 FLIP 的 AAV／GB1）——README 称 INT8 下同蛋白变体表征大约只差 1%。INT8 下 zero-shot／结构／功能／likelihood 与 BF16 差距自述在 0.01 内。以上均为文档宣传，我们未实测。

接口：HyPLMEncoder.from_pretrained("weights")（默认 INT8）、encode／logits、多卡辅助与低延迟 CUDA graph。单序列最长 8190 残基；batch_tokens 默认 32768。

README 中 ProteinGym zero-shot Spearman 0.409、「长程接触精度最佳」等表述为自述评测文案，我们未复现该评测网格。

开放推理 ≠ 训练全复现

就合入提交与 README 可见范围，这两款模型公开了：

  • 模型定义与推理代码
  • 技术报告 PDF
  • HyInv 仓内 FP32 权重（README 7.8 MB／API 7843508 B）
  • HyPLM-Flash 正式 Release FP32 权重（约 2.61 GB、两片）
  • MIT 许可文本

同一批页面不能据此写成完整训练一键可复现：

  • 完整语料与精确数据配方（HyPLM-Flash README 仅有相对 ESM-2 等的高层对比，如「0.73× ESM-2 650M 数据量」）
  • 端到端训练脚本、日程与奖励管线的完整公开回放
  • 保证任意本机栈在未对齐硬件／软件／seed 时复现 README 延迟或 ProteinGym 数字

结论：可部署的推理包 + 已发布权重，外加采样／编码的可复现规则——不是「克隆仓库等于训练全复现」。

运维对照清单

  1. 时间。 合入与 Release 集中在北京时间 2026-11-02 16:50（08:50 UTC）；Release 为正式版（prerelease: false）。
  2. 目录。 逆折叠 → AI4Science/hyinv；masked PLM → AI4Science/hyplm_flash + Release 下载。
  3. HyInv 可复现。 锁定 seed、batch size、device type、PyTorch 版本；记住每 batch seed+k 与 CPU≠GPU 随机流。
  4. HyInv --fast。 off＝FP32 参考；exact≈对齐 off；bf16＝同分布另一采样，不与 off 逐位相同。内核在 Hopper H20 验证；其它 GPU 未验证。
  5. HyPLM-Flash 硬件。 必须 CUDA；推荐 Hopper。README 未声称支持 CPU 推理。
  6. 精度。 默认 INT8 做表征／zero-shot／结构功能向；近同变体上训回归更宜 BF16。
  7. 校验权重。 HyPLM-Flash：合并分片后核 sha256 ce7dcd4fc473dc334d869718a9a31149573893795db03c45efeb396e8b180ab1。HyInv：README 7.8 MB 与 API 7843508 B 指向同一 model.safetensors。
  8. 宣传数字。 吞吐、毫秒表、ProteinGym 0.409 等读作「README／技术报告自述」——我们未复测。
  9. 许可。 两包均为 MIT；再分发时保留 LICENSE。
  10. 选题。 写的是 Hyra AI4Science 蛋白工具条件，不是 Hy-Nomas、不是 Hy-SimulMT，也不宣称训练已全部公开。

小结

北京时间 2026-11-02 16:50，Tencent-Hunyuan/Hyra-results 开放了 HyInv（1.96M，CPU／GPU，seed／batch／device／PyTorch 硬条件）与 HyPLM-Flash（650M，CUDA／偏 Hopper，默认 INT8、近同变体回归偏 BF16）的推理代码、报告与权重——含约 2.61 GB 的正式 HyPLM-Flash Release。按文档可以把推理路径搭起来；这不等于完整训练可复现，且 README 数字我们未实测。现场跑数反馈可通过页脚站长联系方式提交。