Hugging Face 开源 DNA 模型 Carbon-X，基于 Qwen3-14B 训练
Hugging Face 开源 DNA 模型 Carbon-X
Hugging Face 开源 DNA 模型 Carbon-X，以 Qwen3-14B 为基础，用 300B tokens 的 DNA、英文及交错数据进行中期训练，并采用英文 BPE 加 DNA 6-mer 的混合 tokenizer。
clem 🤗· @ClementDelangue · X·2026-10-22 21:41· 32 分钟前AI 评分49
AI 导读
Hugging Face 开源了 DNA 模型 Carbon-X，基于 Qwen3-14B 用 300B tokens 的 DNA、英文及交错数据中训练，并采用英文 BPE 加 DNA 6-mer 的混合 tokenizer。
正文 · 原文
前沿实验室正在推进 AI 在生物学领域的能力，却用广泛而浅薄的护栏阻止好人（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护栏（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（Hugging Face 的生物学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 进行中期训练，打造出最好的开源 DNA 模型。我们还使用了混合 tokenizer，用 BPE 对英文分词，用 6-mer tokenizer 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 的表现优于所有开放语言模型。相比 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。它还达到了 API 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方式探索 DNA。公开释放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，使其对全世界安全且有影响力（而不仅仅是少数几家公司）。
Apache 2.0 模型已在 @huggingface 上发布：https://huggingface.co/HuggingFaceBio/Carbon-X
来源：clem 🤗 · x.com
来源：RadarAI · aihot.news