Hugging Face 發佈 Carbon-X：和 DNA 對話的開源 AI 生物模型

Hugging Face 發佈 Carbon-X：和 DNA 對話的開源 AI 生物模型

Hugging Face 推出可與 DNA 對話的開源模型

Hugging Face 於 10 月 22 日發佈 Carbon-X，一款開源 AI 模型，允許研究人員用自然語言提問 DNA 序列相關問題，並獲得對話式解答。用戶只需粘貼一段遺傳序列，輸入問題，模型就能解釋基因變異對基因活性和健康可能產生的影響。Hugging Face 高級研究科學家 Lewis Tunstall 將其稱爲"與 DNA 對話"的能力。

從阿里 Qwen3-14B 起步，148 億參數

Carbon-X 以阿里 Qwen3-14B 語言模型爲基座，參數規模約 148 億。Hugging Face 對其進行了擴展，加入 DNA 詞表，使模型能夠以六鹼基一組（6-mer）的方式讀取 DNA 序列。隨後團隊在 3020 億 token 的混合數據上繼續訓練，這些數據包括 DNA 序列、英文文本和生物學材料，讓模型把遺傳代碼和自然語言當作同一連續流處理。

本地運行，數據不出門

Tunstall 表示，團隊有意設計成小模型，以便在用戶本地硬件上運行，單張 80 GB 顯存的 GPU 即可承載。運行時不會向 Hugging Face 或任何其他公司發送數據。這一設計針對研究人員上傳可識別或敏感患者數據到前沿 AI 模型時面臨的限制，本地運行模式避免了數據外泄風險。

基準測試 66.7%，略低於 GPT-6.1 Sol

在 Hugging Face 自有測試中，Carbon-X 在五項 DNA 基準測試中平均得分 66.7%，略低於 OpenAI GPT-6.1 Sol 的 67.5%。但 Hugging Face 稱其在單任務推理成本上僅爲 GPT-6.1 Sol 的約 1/1800。這些數字爲公司自報，尚未經過獨立驗證，基準測試名稱也未在公開材料中明確列出。

中關村學院與那不勒斯大學聯合開發

Carbon-X 由 Hugging Face 與中國的中關村學院（Zhongguancun Academy）以及意大利的那不勒斯費德里科二世大學（University of Naples Federico II）和 Telethon 遺傳與醫學研究所（Telethon Institute of Genetics and Medicine）的研究人員合作開發。訓練數據涵蓋哺乳動物（包括人類）及其他脊椎動物、無脊椎動物、植物、真菌和原生生物的 DNA 序列，病毒被明確排除在外。

排除病毒，避免被用於設計生物武器

Tunstall 解釋說，通用聊天機器人有時會因將合法的生物學問題誤判爲"設計生物武器"的嘗試而拒絕回答。爲此團隊在訓練數據中排除了所有病毒序列，以防止模型被濫用。Carbon-X 採用 Apache 2.0 許可證發佈，還附帶了面向 Claude Code 和 Codex CLI 等編程代理的技能包。

可幫助判斷基因變異是良性還是致病

科學家可利用 Carbon-X 協助判斷某項基因突變是良性還是致病，這是開發靶向藥物或基因療法的關鍵步驟。模型還能解釋變異效應、調控區域和不同生物類羣的基因組。但 Hugging Face 明確表示，Carbon-X 尚未經過臨牀驗證，也未在溼實驗中測試，不應被視爲醫療診斷工具。