HuggingFaceBio/Carbon-X

Hugging Face 等机构发布的 14.8B DNA 语言模型：在普通聊天里贴入 DNA 序列，它用英文回答突变是良性还是致病、序列含什么调控区、属于哪类生物，也能续写碱基。 上升分 126 · 点赞 130 · 下载量 193 **理由** - DNA 和文本共用一个解码器，没有单独的 DNA 编码器；混合分词器把 DNA 每 6 个碱基编成一个 token，从 Qwen3-14B 继续训练了 302B token。 - 官方称五项 DNA 基准平均 66.7%（不开思考），比起点 Qwen3-14B 高 27 分，接近 GPT-6.1 Sol 的 67.5%，单题推理成本约为其 1/1800。 - 仓库带给 Claude Code / Codex CLI 用的 carbon-dna skill 和工具调用示例，可让通用智能体遇到 DNA 问题时调用它。 **用法** - Transformers v5 以上，加载分词器需 trust\_remote\_code=True；apply\_chat\_template 时设 enable\_thinking=False（官方训练和评测都关掉思考）。 - vllm serve HuggingFaceBio/Carbon-X --trust-remote-code，bf16 单张 80 GB GPU 可放下；默认采样 temperature 0.6、top\_p 0.95、top\_k 20。 - 提问时把参考序列和变异序列放在同一条消息里，并附上基因、链方向、坐标等已知信息。 **风险** - 未经临床验证，官方明确不能用于医疗决策；遗传数据敏感，用第三方推理服务前要确认数据处理方式。 - 不支持 llama.cpp / GGUF（DNA 分词器是自定义 Python 代码）；剪接位点和组蛋白标记题只有 29.8% 和 34.6%，生成长 DNA 序列时质量下降。 [打开](https://huggingface.co/HuggingFaceBio/Carbon-X)