Hugging Face 发布 148 亿参数开放 DNA 语言模型 Carbon-X

Hugging Face 发布开放权重 DNA 语言模型 Carbon-X，关注点在于它把基因序列与自然语言放入同一解码器，试图降低生物序列分析的部署门槛。

• Hugging Face 模型卡（2026-10-21）称，Carbon-X 有 148 亿参数，采用混合分词器，以非重叠 6-mer 表示 DNA，并支持最长 40960 tokens 的上下文。
• 模型卡报告其在五项 DNA 基准上的平均成绩为 66.7%，但这是发布方自测结果，且不同模型使用的推理设置并不完全一致。
• 评测显示其在复杂变异效应、剪接位点和组蛋白标记等任务上的表现并不均衡，GenomeQA 的剪接位点准确率为 29.8%。
• 模型采用 Apache 2.0 许可，可在单张 80 GB GPU 上以 bfloat16 运行；模型卡同时提示，输出仍可能出现序列定位错误、功能臆测和长序列生成质量下降。
• 影响/看点：Carbon-X 可能方便研究机构在本地处理敏感序列，但其实际科研价值取决于独立复现、领域验证和在真实基因组任务中的稳定性，不能仅由发布方基准成绩推导临床或实验结论。
• 资料依据:
• Hugging Face Carbon-X 模型卡（2026-10-21）：https://huggingface.co/HuggingFaceBio/Carbon-X
• MarkTechPost 原始条目（2026-10-25）：https://www.marktechpost.com/2026/10/25/hugging-face-carbon-x-14b-dna-language-model/

本内容由 AI 生成，仅供参考，请注意甄别