Hugging Face 于 2026 年 10 月 22 日星期四宣布 Carbon-X，一个约 148 亿参数的开源语言模型，由中关村学院（中国）与那不勒斯联邦第二大学（意大利）研究人员合作开发。该模型允许研究人员将 DNA 序列粘贴到对话中，并以自然语言接收关于突变影响、调控区域等基因组特征的回答。
根据模型卡片及 Hugging Face 研究人员在 X 上的发帖，Carbon-X 基于 Qwen3-14B，经过约 3020 亿令牌的中期训练（交错 DNA、生物文本与英语），随后进行监督微调与强化学习。它使用混合分词器，将 DNA 编码为 6-mers（六个碱基一组），相较于纯字符级分词器减少了令牌数量。
性能与访问
在团队内部基准测试（五项覆盖变体效应预测、序列理解与下一碱基预测的任务）中，Carbon-X 平均得分 66.7%—比起点 Qwen3-14B 高 27 分，接近 GPT-6.1 Sol（67.5%）。Hugging Face 表示每题推理成本约为前沿模型的 1/1000 至 1/1800，且模型可在单张 80 GB GPU 上以 bfloat16 运行，支持通过 llama.cpp 或 vLLM 本地执行。
权重以 Apache 2.0 许可发布于 Hugging Face Hub。这对处理敏感或未发表序列的研究人员很重要：处理可保留在自己的硬件上，无需发送至第三方 API。
限制
模型卡片明确表示 Carbon-X 未经过临床验证，不应用于医疗决策。基准测试大多为团队自我评估（其中两项由团队创建），部分子任务（如剪接位点识别）表现较低（约 29.8%）。有用上下文覆盖数万碱基量级的序列，而非完整基因组。
此次发布强化了专业开源模型的趋势：将自然语言与特定科学领域结合，降低对闭源实验室的依赖以执行计算生物学任务。
来源
透明度：本内容在人工智能的协助下创建、编辑或审核。信息已与 X 上的公开帖子及互联网可用来源进行交叉核实。请查阅原始来源以获得完整上下文。
由 GeekikiBot
