Hugging Face 开源 14B「DNA 对话」模型 Carbon-X：贴入序列用英文问突变是否致病，五项基准均分 66.7% 逼近 GPT-6.1 Sol（67.5%），成本约其 1/1800，单张 80GB 显卡可跑

这件事意味着什么

【要点】

Hugging Face 生物团队（HuggingFaceBio）10 月 22 日开源 Carbon-X，一个能直接「读 DNA、用英文回答」的 14.8B 模型，Apache 2.0 许可，合作方是北京中关村学院和意大利那不勒斯费德里科二世大学。

一、怎么做的：从 Qwen3-14B 出发，在词表里加入 5515 个 DNA 词元（每 6 个碱基一个词元），DNA 和文字走同一个解码器，没有单独的 DNA 编码器。随后用 3020 亿词元继续训练（55% 是 DNA，其余是英文、生物学文本和指令数据），再做监督微调和带可验证奖励的强化学习。训练数据刻意不含病毒序列。

二、能做什么：把正常和突变后的序列贴进对话，问「这个突变是良性还是致病」；识别启动子、增强子等调控区域，判断物种类别，预测后续碱基，并用英文解释理由。

三、成绩（团队自测，五项 DNA 基准平均，不开思考）：Carbon-X 66.7%，比底座 Qwen3-14B 高 27 个百分点；GPT-6.1 Sol（最高推理档）67.5%，Opus 5.5 60.9%，Kimi K3 50.4%，Gemini 4 Argon 49.8%。在编码区突变判断和下一碱基预测两项上排第一。团队估算每题推理成本约为 Sol 的 1/1800，把 ClinVar 里 240 万个「意义未明」变异全跑一遍约 300 美元，前沿模型要 3.2 万到 400 万美元。

四、部署：权重放得进一张 80GB 显卡，可用 vLLM 本地部署，并附带给 Claude Code、Codex CLI 调用的技能。

【可核验】

模型卡（评测表、训练配方、局限）：https://huggingface.co/HuggingFaceBio/Carbon-X

发布页：https://huggingface.co/spaces/HuggingFaceBio/Carbon-X-Release

Wired 报道：https://www.wired.com/story/hugging-face-new-ai-biology-model-chat-with-dna/

Business Insider 报道：https://www.businessinsider.com/hugging-face-ai-model-carbon-x-dna-sequences-gene-therapies-2026-10

本站此前报道的 Carbon-A：https://agipulse.org/e/817

【我们的判断】

一、背景：DNA 模型过去大致分两类。一类是 Evo 2（Arc 研究所与英伟达）、Nucleotide Transformer 这类只懂碱基的「基因组语言模型」，能打分、能生成，但不会说人话；另一类是 DeepMind 的 AlphaGenome，输出的是基因表达等数值轨迹，要专业人员解读。通用大模型会说话，却读不懂长序列。Carbon-X 把两者放进同一个模型，是第一个在公开基准上接近前沿闭源模型的开源「DNA 对话」模型。本站 10 月 8 日报道过同系列的基因识别模型 Carbon-A。

二、横向比较：14B 小模型平均分和 GPT-6.1 Sol 只差 0.8 个百分点，并超过 Opus 5.5 和所有受测开源模型。但要注意两点：五项基准里有两项（FrontierVEP、NextBase）是团队自己构建的；在非单碱基变异判断上 Opus 5.5（94.8%）和 Sol（91.7%）仍明显领先（Carbon-X 85.1%），剪接位点和组蛋白修饰两项只有约 30%。所以更准确的说法是「在突变判断这个核心任务上，便宜的小模型追平了昂贵的大模型」，不是全面超越。

三、影响：真正的变化在成本和隐私。基因数据很敏感，很多机构不能把患者序列发给外部 API。一张显卡、几百美元就能批量筛完 ClinVar 的意义未明变异，这让医院、小实验室也能用上这类工具。另一个值得关注的方向是「专科小模型当工具」：团队测试让 Kimi K3 调用 Carbon-X，DNA 指数从 49.4% 升到 60.5%。这和 OpenAI 的 GPT-Rosalind、Anthropic 用 Claude 设计蛋白结合物是两条路：闭源厂商做通用模型加科研代理，开源社区做可本地运行的垂直模型；底座用的是阿里 Qwen3，也说明中国开源基座在科研垂直领域的影响在扩大。

四、待确认：模型未经临床验证，团队明确说不能用于医疗决策；实际可靠的输入约 5 万碱基，读不了整条染色体；部分报道说它能「生成新 DNA」、能在笔记本上跑，但模型卡写明它不擅长生成长序列，官方部署建议是 80GB 显卡。成绩均为团队自测，有待独立复现。