Hugging Face 开源 DNA 模型 Carbon-X，基于 Qwen3-14B 中训练
Frontier labs are advancing the capabilities in AI for biology but preventing the good guys (scientists, academia, non-profits, health agencies,...) to use, stu
Hugging Face 联合创始人 Clément Delangue 宣布开源 DNA 模型 Carbon-X，通过在 300B tokens 的 DNA、英文与交错数据上对 Qwen3-14B 做中训练得到，并采用 BPE 处理英文、6-mer tokenizer 处理 DNA 的混合分词器。该模型在五个 DNA 理解与生成基准上超过其评估的所有开源语言模型，比 Qwen3-14B 提升 27 分，API 成本比 GPT 6.1 Sol 低 1,800 倍。模型以 Apache 2.0 协议发布在 Hugging Face。
推荐理由
AI 评分 59
Hugging Face 联合创始人亲自说明 Carbon-X 的训练数据与评测结果，读者可据此了解开源 DNA 模型与闭源前沿模型的差距和成本。
主题
正文 · AI 翻译
前沿实验室正在推进 AI 在生物学领域的能力，却用广泛但浅层的防护措施阻止好人（科学家、学术界、非营利组织、卫生机构……）使用、研究和理解它，而坏人却能轻易绕过这些防护（比如它阻止我校对这条推文 😅）。
这将在未来几年自动造成巨大的不对称和风险，就像网络安全领域一样，尤其是现在前沿实验室正在建设湿实验室（生物学的 HF 网络安全场景何时到来？）。
这就是我们创建 Carbon-X 的原因——通过在 300B tokens 的 DNA、英文和交错数据上对 Qwen3-14B 进行中训练，打造出最好的开源 DNA 模型。我们还使用了一种混合分词器，用 BPE 对英文分词，用 6-mer 分词器对 DNA 分词。
因此，在我们评估的五个 DNA 理解与生成基准上，Carbon-X 的表现超过了所有开放语言模型。这比 Qwen3-14B 提升了 27 分，显示出语言模型能从 DNA 训练中获得多大收益。它的 API 也达到了前沿水平，成本比 GPT 6.1 Sol 低 1,800 倍！
我们希望 Carbon-X 能帮助研究人员以新的方式探索 DNA。公开释出它意味着任何人都可以研究其能力、局限和风险。让我们把 AI 生物学前沿开源，使其对全世界（而不仅仅是少数几家公司）安全且有影响力。
Apache 2.0 模型已在 @huggingface 上发布：https://t.co/RRc1VLSrGT