开源DNA语言模型Carbon-X发布：14.8B参数，基因组任务逼近GPT-6.1 Sol
基于Qwen3-14B开源的DNA模型，能直接用自然语言问突变是否致病，成本只有GPT-6.1 Sol的1/1800，单卡80GB就能跑。
Carbon-X是一款在Hugging Face开源的DNA语言模型，共14.8B参数，基于Qwen3-14B继续训练，扩展了5515个DNA专用Token，DNA每6个碱基编码为一个Token。模型在约302B token的语料上继续训练，再经SFT与可验证奖励的强化学习增强专业能力。在五项DNA基准测试中平均得分66.7，接近GPT-6.1 Sol的67.5，高于Claude Opus 5.5的60.9，其中蛋白质编码区变异效应预测得74.9分。BF16权重可部署在单张80GB GPU上，推理成本约为GPT-6.1 Sol的1/1800，官方还提供了适配Claude Code、Codex等Coding Agent的Skill。
发一下前两天Hugging Face开源的一款DNA模型：Carbon-X，在专业基因组任务上逼近GPT-6.1 Sol，单题推理成本约6.1 Sol的1/1800，14.8B
BF16权重可在单张80GB GPU上部署
这是一个让AI直接理解DNA序列，通过自然语言完成基因组分析的模型
比如说，你输入一段DNA序列，就能询问某个突变可能是良性还是致病性、某段序列是否具有基因调控功能，或者预测后续碱基，并文字解释
它核心是把DNA和自然语言统一到了一个语言模型中
基于Qwen3-14B继续训练，扩展了5515个DNA专用Token，混合Tokenizer：文字使用BPE，DNA每6个碱基编码为一个Token
DNA和文字共享同一个Transformer，不需要独立的DNA编码器；模型在Qwen3-14B基础上经约302B token继续训练，再通过SFT与可验证奖励强化学习增强专业能力
在五项DNA基准测试中，其平均得分66.7，接近GPT-6.1 Sol的67.5，高于Claude Opus 5.5的60.9
其中，蛋白质编码区变异效应预测达到74.9，高于GPT-6.1 Sol的71
这对大规模基因组数据库分析、遗传变异研究、生物信息学科研来说是一个低成本、可私有化部署的选择
它还提供了适用于Claude Code、Codex等Coding Agent 的Skill，以及工具调用示例，可以把Carbon-X接入现有 Agent工作流执行DNA序列分析任务
#DNAAI模型 #CarbonX #基因分析模型
