开源 DNA 模型 Carbon-X：基因组任务逼近旗舰模型，推理成本仅 1/1800
aigclink · x · 2026-10-25
Hugging Face 开源 14.8B 参数 DNA 模型 Carbon-X，把 DNA 序列与自然语言统一进一个语言模型，可用自然语言询问突变良性/致病、序列调控功能或预测后续碱基。
关键事实
- 基于 Qwen3-14B 继续训练：扩展 5515 个 DNA 专用 Token，混合 Tokenizer（文字 BPE，DNA 每 6 碱基一 Token），DNA 与文字共享同一 Transformer，无需独立编码器
- 约 302B token 继续预训练，再用 SFT 与可验证奖励 RL 强化专业能力
- 五项 DNA 基准平均 66.7，接近 GPT-6.1 Sol 的 67.5，高于 Claude Opus 5.5 的 60.9；蛋白质编码区变异效应预测 74.9 高于 GPT-6.1 Sol 的 71
- 单题推理成本约为 GPT-6.1 Sol 的 1/1800，BF16 权重可在单张 80GB GPU 部署
- 配图示例：给定 8192 碱基窗口中的 NF1 剪接位点 A→G 变异，Carbon-X 正确判为致病并解释剪接位点 AG 二核苷酸被破坏；其余模型中只有 GPT-6.1 Sol 最大推理档答对，Opus 5.5 结论对但理由错，部分被内容过滤器拦截或超 token
官方还提供适配 Claude Code、Codex 等 Coding Agent 的 Skill 与工具调用示例，可接入现有 agent 工作流做 DNA 序列分析。适合基因组数据库大规模分析、遗传变异研究与生物信息学场景的低成本私有化部署。
「模型」频道最新
- 用户报 bug：删掉自定义连接器后 dot 的 web fetch 仍被限制 — MotherIsland8888 · 2026-10-25
- 43分钟花0.48美元做出交互地图，DeepSeek V4.1实战引爆热议 — teortaxesTex · 2026-10-25
- ISTA 称 2bit 量化零损失？社区追问 GSQ-RCO 的 KLD 与基准饱和问题 — Queasy_Back2588 · 2026-10-25
- 293B 记忆原生 MoE MemT 1.0 开源：记忆写进前向传播内部 — AKAMA199 · 2026-10-25
- 150M 小模型登顶 Open SLM 榜：GPT-X3-150M 力压 SmolLM2-135M — datdanboi25 · 2026-10-25
- 实测 Apple 端侧基础模型：免费本地分类任务 45/49，但易被注入指令带偏 — NellWatson · 2026-10-25