Hugging Face 联合 TIGEM 等机构发布开源 DNA 模型 Carbon-X
While I was writing this, my AI assistant got cut off by a bio safety filter. It was summarizing my own team's notes on the model we released today 😅
Thomas Wolf 宣布与 TIGEM、那不勒斯费德里科二世大学和中关村学院合作训练出 Carbon-X，这是一个能直接读取原始 DNA 并用自然语言解读的开放 14B 模型。在其 DNA 基准上得分为 67%，高于 Claude Opus 5.5 的 61% 和 Gemini 4 Argon 的 50%，与 GPT-6.1 Sol 相差不到一分而成本约低 1000 倍。训练数据排除了人类和动物病毒，权重开放，模型可在笔记本等学术界可及的硬件上运行。
正文 · AI 翻译
写这篇文章的时候，我的 AI 助手被生物安全过滤器截断了。它当时正在总结我们自己团队关于今天发布的模型的笔记 😅
前沿实验室正在快速进军生物学领域，但最有可能从这些模型中获益的科学家和临床医生，恰恰是那些撞上这类墙的人（而且每天都在撞）。
因此，我们与 TIGEM（Telethon 遗传与医学研究所）、那不勒斯“费德里科二世”大学和中关村学院合作，训练了 Carbon-X。
Carbon-X 是一个开放的 14B 模型，能读取原始 DNA 并用通俗英语解读它。在我们的 DNA 基准测试中，它得分 67%，而 Claude Opus 5.5 为 61%，Gemini 4 Argon 为 50%，与 GPT-6.1 Sol 相差不到一分，成本却低约 1000 倍。
我们在训练数据中排除了人类和动物病毒。权重是开放的，模型可在学术界可及的硬件（一台笔记本电脑）上运行。
博客中的一个例子：给前沿模型一段 8kb 的 NF1 基因序列，其中剪接位点存在突变。大多数模型会判定为良性、拒绝回答，或者耗尽 token。Carbon-X 则判定为致病性，因为该突变破坏了剪接位点。
本世纪，生物学可能是 AI 最重要的用武之地。我们希望以公开完成的安全工作抵达那里，让世界上每个实验室都能在此基础上继续构建。去试试吧，并告诉我们你的发现。