专题 · FULL STORY

Carbon-X：开源DNA模型发布即遭质疑

Hugging Face 生物团队联合中关村学院等机构开源 14.8B 参数 DNA 语言模型 Carbon-X，发布后其评测结果遭斯坦福教授质疑，模型可信度与评测方法在社区引发争论，事件仍在发酵中。

2026-10-22 ~ 2026-10-26 · 2 集 · 36 条

第 1 集 · Hugging Face 开源 DNA 模型 Carbon-X，评测遭斯坦福教授质疑(2026-10-22,33 条)

10 月 22 日，Hugging Face 生物团队（Loubna Ben Allal 等）开源发布 DNA 语言模型 Carbon-X：一个 14.8B 参数、基于 Qwen3-14B 的 decoder-only 模型，首次将 DNA 序列与自然语言统一进单一模型，博客与权重均已发布，可在笔记本上本地运行。联合创始人 Thom Wolf 透露该模型与 TIGEM、那不勒斯费德里科二世大学和中关村学院合作训练。团队称其为目前最强的开源 DNA 模型，在五项 DNA 基准上追平 GPT-6.1 Sol，而推理成本低约千倍。次日，斯坦福教授 Anshul Kundaje 对其评测方法学提出公开质疑，BioReason 团队随后承认基准存在答案泄漏并已修复，性能主张有待重新检验。

已确认

  • 构建方式：在 Qwen3-14B 基础上（lvwerra 一帖表述为 Qwen3.5 14B），用 300B tokens 的 DNA、英文及交错数据做 midtraining（继续预训练）；采用混合分词器，英文用 BPE，DNA 用 6-mer 分词，文本与 DNA 共用同一 token 流，使单一模型能同时处理两种模态。用户可在聊天窗口直接输入原始 DNA 序列并以英语作答，回答序列功能、突变影响等问题，也能直接生成新 DNA 序列，辅助基因疗法开发。lvwerra 称团队以极低成本、无需蒸馏完成中期训练与后训练。
  • 性能：在五项 DNA 理解与生成基准上超过所有受测开源语言模型，平均 66.7 分（Thom Wolf 概述为 67%），较基座 Qwen3-14B 平均提升 27 分，追平 GPT-6.1 Sol（另一表述为与其相差不到 1 分），而推理成本低 1000 倍以上（另一表述为约 1/1800），超过 Claude 等模型；最强项是突变效应预测和 DNA 序列补全。
  • 训练方法学：直接对 Qwen3-14B 做纯 RL，在 FrontierVEP 上整个训练过程无法突破 50% 随机基线；从 midtraining 检查点出发再 RL 则越过随机水平并持续提升，团队据此认为 midtraining 是关键。
  • Agent 用法：让 Kimi K3 将 Carbon-X 作为子 agent 咨询后，其 DNA 智能指数从 49.4% 升至 60.5%，五个基准共提升 11.1 个百分点。
  • 前沿模型拒答现象：实测显示 next-base 预测任务上 Opus 5.5 得分从低推理档的 17.7% 掉到最高推理档的 1.1%，原因是推理越强拒答率越高；Gemini 4 等也出现类似趋势，团队认为这妨碍正当基因组学研究。
  • 外部关注：Hugging Face 高级研究科学家 Lewis Tunstall 将 Carbon-X 描述为可在笔记本本地运行的「DNA 版 ChatGPT」，用户可用日常语言询问 DNA 变化对基因活性与健康的影响；社区亦将其视为 AI for Science 在生物领域的代表性进展，降低基因组分析门槛。

尚未确认

  • 评测有效性存在争议：10 月 23 日，斯坦福教授 Anshul Kundaje 回应 Loubna Ben Allal 关于 Carbon-X 在基因突变效应预测上表现最佳的说法，直言这些评测不具严肃性——面向变异效应预测的 BioReason 评测存在严重缺陷，其他对比评测在多数情况下也毫无意义。
  • 10 月 24 日，BioReason 团队成员 Loubna Ben Allal 回应称评测覆盖了 ClinVar 等既有 VEP 基准的广泛任务，并承认基准存在答案泄漏、已修复，细节待公开；团队欢迎社区通过 GitHub issue 推荐更多评测集。
  • 另有针对 Carbon-X 的实测结果流传，称 10 个测试案例中有 8 例表现不如随机水平，与团队宣称的成绩相矛盾；该测试的设置与来源细节不明，尚待核实。「追平 GPT-6.1 Sol」等性能主张在泄漏修复后是否仍成立，有待更严格的独立验证。

为什么重要

Carbon-X 以极低成本追平前沿闭源模型在 DNA 任务的表现，验证了语言模型可从 DNA 训练中获得大幅增益，也展示了 midtraining + 混合分词器的可行路线；同时揭示的前沿模型过度拒答问题，为生物学研究的开放替代方案提供了动机。但 Kundaje 的质疑、基准泄漏的承认与不利实测结果提醒：其评测方法学在学界尚未获得认可，修复后的成绩需重新检验，结论应谨慎看待。

还有 13 条相关讨论 →

第 2 集 · Hugging Face 开源 148 亿参数 DNA 模型 Carbon-X(2026-10-25,3 条)

Hugging Face Bio 联合中关村学院、TIGEM/那不勒斯大学发布开源 DNA 语言模型 Carbon-X，参数量 14.8B，采用 Apache 2.0 许可证。该模型将 DNA 序列与自然语言统一进同一个语言模型，用户可用自然语言询问基因突变是良性还是致病、序列调控功能等问题，模型直接以文字作答。其在基因组任务上性能逼近旗舰模型，而推理成本仅为后者的 3%，测变异成本约为旗舰模型的 1/1800。