Hugging Face 发布开源 DNA 模型 Carbon-X

前沿实验室正在提升 AI 在生物学领域的能力，却通过广泛但浅层的防护措施，阻碍了好人（科学家、学术机构、非营利组织、卫生机构等）使用、研究和理解这些技术，而坏人却能轻易绕过这些措施（比如不让我帮这条推文校对 😅）。

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（什么时候会出现生物领域的 HF 网络安全情景？）。

这就是我们创建 Carbon-X 的原因。它是最佳的开源 DNA 模型，方法是在 300B 个由 DNA、英语和交错数据组成的 token 上对 Qwen3-14B 进行中期训练。我们还使用了一种混合分词器，以 BPE 对英语进行分词，并以 6-mer 分词器对 DNA 进行分词。

结果表明，Carbon-X 在五项 DNA 理解与生成基准测试中，表现优于我们评估的所有开放语言模型。相比 Qwen3-14B 提升了 27 个百分点，展示了语言模型通过 DNA 训练能够获得多大的增益。它的 API 也达到了前沿水平，而成本比 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。开放发布意味着任何人都可以研究其能力、局限性和风险。让我们把 AI 生物学的前沿开源化，使其对全世界（而不仅仅是少数几家公司）安全且产生深远影响。

Apache 2.0 模型已上线 @huggingface：huggingface.co/HuggingFaceBi…