Hugging Face 发布 Carbon-X：和 DNA 对话的开源 AI 生物模型

Hugging Face 发布 Carbon-X：和 DNA 对话的开源 AI 生物模型

Hugging Face 推出可与 DNA 对话的开源模型

Hugging Face 于 10 月 22 日发布 Carbon-X，一款开源 AI 模型，允许研究人员用自然语言提问 DNA 序列相关问题，并获得对话式解答。用户只需粘贴一段遗传序列，输入问题，模型就能解释基因变异对基因活性和健康可能产生的影响。Hugging Face 高级研究科学家 Lewis Tunstall 将其称为"与 DNA 对话"的能力。

从阿里 Qwen3-14B 起步，148 亿参数

Carbon-X 以阿里 Qwen3-14B 语言模型为基座，参数规模约 148 亿。Hugging Face 对其进行了扩展，加入 DNA 词表，使模型能够以六碱基一组（6-mer）的方式读取 DNA 序列。随后团队在 3020 亿 token 的混合数据上继续训练，这些数据包括 DNA 序列、英文文本和生物学材料，让模型把遗传代码和自然语言当作同一连续流处理。

本地运行，数据不出门

Tunstall 表示，团队有意设计成小模型，以便在用户本地硬件上运行，单张 80 GB 显存的 GPU 即可承载。运行时不会向 Hugging Face 或任何其他公司发送数据。这一设计针对研究人员上传可识别或敏感患者数据到前沿 AI 模型时面临的限制，本地运行模式避免了数据外泄风险。

基准测试 66.7%，略低于 GPT-6.1 Sol

在 Hugging Face 自有测试中，Carbon-X 在五项 DNA 基准测试中平均得分 66.7%，略低于 OpenAI GPT-6.1 Sol 的 67.5%。但 Hugging Face 称其在单任务推理成本上仅为 GPT-6.1 Sol 的约 1/1800。这些数字为公司自报，尚未经过独立验证，基准测试名称也未在公开材料中明确列出。

中关村学院与那不勒斯大学联合开发

Carbon-X 由 Hugging Face 与中国的中关村学院（Zhongguancun Academy）以及意大利的那不勒斯费德里科二世大学（University of Naples Federico II）和 Telethon 遗传与医学研究所（Telethon Institute of Genetics and Medicine）的研究人员合作开发。训练数据涵盖哺乳动物（包括人类）及其他脊椎动物、无脊椎动物、植物、真菌和原生生物的 DNA 序列，病毒被明确排除在外。

排除病毒，避免被用于设计生物武器

Tunstall 解释说，通用聊天机器人有时会因将合法的生物学问题误判为"设计生物武器"的尝试而拒绝回答。为此团队在训练数据中排除了所有病毒序列，以防止模型被滥用。Carbon-X 采用 Apache 2.0 许可证发布，还附带了面向 Claude Code 和 Codex CLI 等编程代理的技能包。

可帮助判断基因变异是良性还是致病

科学家可利用 Carbon-X 协助判断某项基因突变是良性还是致病，这是开发靶向药物或基因疗法的关键步骤。模型还能解释变异效应、调控区域和不同生物类群的基因组。但 Hugging Face 明确表示，Carbon-X 尚未经过临床验证，也未在湿实验中测试，不应被视为医疗诊断工具。