Hugging Face开源DNA模型Carbon-X

Hugging Face 发布开源多模态 AI 模型 Carbon-X，参数规模为 14B，并通过 300B tokens 训练。该模型支持用户使用自然语言查询 DNA 序列。

Carbon-X 团队揭示了模型训练方法：对 Qwen3-14B 直接进行纯 RL 时，在 FrontierVEP 上始终无法突破 50% 随机基线。先在 300B tokens 的 DNA、英文及交错数据上进行 midtraining，再训练才能取得突破；模型采用混合分词器，英文使用 BPE，DNA 使用核苷酸级分词。

Hugging Face 生物团队 Loubna Ben Allal 等发布并开源 14B DNA 模型 Carbon-X，团队称其成本仅为前沿模型的 1/1800。团队实测显示，Opus 5.5 在 next-base 预测任务上的得分从低推理档的 17.7% 下降，且推理越强，对常规基因组学请求的拒绝越多。Carbon-X 的权重与研究材料面向公众开放，用于研究其能力与局限。

Hugging Face 发布开源模型 Carbon-X，可通过自然语言询问 DNA 变化对基因活动和健康的影响。模型由 14 billion parameters 支持，可在本地运行，每次可处理约 50,000 个碱基对的 DNA 序列，且不会向云端发送数据。开发团队尚未用湿实验验证其预测准确性。