Hugging Face发布148亿参数开源DNA语言模型Carbon-X

Hugging Face发布开源DNA语言模型Carbon-X，参数量约一百四十八亿，属Hugging Face Bio旗下仅解码器架构，可在对话中读取原始DNA并以英文回答，支持判断突变良性或致病、标注调控区、分类生物体以及预测下一碱基。权重采用Apache 2.0许可，便于实验室在自有GPU上处理敏感序列；该模型与中关村学院以及意大利那不勒斯费德里科二世大学TIGEM合作开发。Carbon-X基于Qwen3-14B，在同一解码器中把DNA与文本合为一条token流，未另设DNA编码器；混合分词器保留Qwen3文本词表并新增五千五百一十五个DNA词元，其中包括四千零九十六个非重叠六聚体。模型上下文长度四万零九百六十token，bfloat16下可在单张八十GB显存GPU上经vLLM或Transformers运行；官方GGUF中Q8_0约十五点八GB、Q4_K_M约九点六GB。作者自报五项DNA基准平均正确率约百分之六十六点七，为所测开源模型最高，BioReason Coding约百分之七十四点九，GenomeQA剪接位点约百分之二十九点八。