概览
Carbon-X 是 Hugging Face 生物研究团队（HuggingFaceBio）于 2026 年 10 月 22 日发布的开源 DNA 语言模型，属于 Carbon 系列，由 Hugging Face、中关村学院和意大利 Telethon 遗传与医学研究所 / 那不勒斯费德里科二世大学合作完成。它在 Qwen3-14B 基础上扩展词表，用 3020 亿 token 的 DNA 序列、生物学文本、英文和指令数据做中期训练，再在 DNA 任务上做监督微调和基于可验证奖励的强化学习，最终是一个 14.8B 参数、40 层、上下文 40,960 tokens 的对话模型：用户在普通聊天里粘贴原始 DNA 序列，它用英文回答，比如判断某个突变是良性还是致病、指出调控基因活性的区域，或续写序列。官方在五项 DNA 基准上报告平均 66.7%（关闭思考），官方称领先其评测的所有开放模型，与 GPT-6.1 Sol 的 67.5% 接近。官方说明模型未经临床验证，不应用于医疗决策，也不适合设计新的长 DNA 序列。权重以 Apache 2.0 发布在 Hugging Face，需要 Transformers v5 及以上，可在单张 GPU 上用 vLLM 运行；由于 DNA 分词器是自定义代码，llama.cpp 等 GGUF 运行时暂不支持。官方来源：https://huggingface.co/HuggingFaceBio/Carbon-X 、https://huggingface.co/spaces/HuggingFaceBio/Carbon-X-Release 、https://github.com/huggingface/carbon ；报道参考 WIRED（2026-10-22）（2026-10-23 核对）。 定价：开源权重（Apache 2.0），可免费下载自托管；官方暂无托管 API 价格。
- 模态
- 文本
- 参数量
- 14.8B（基于 Qwen3-14B）
- 许可说明
- 开源 · Apache 2.0
能力
- DNA 与文本共用一个解码器：混合分词器保留 Qwen3 的文本词表，并把 DNA 按 6 个碱基一组编码（新增 5,515 个 DNA token）
- 变异效应预测：判断编码区突变、插入缺失和单碱基变异是良性还是致病
- 序列理解：识别增强子 / 启动子、剪接位点、组蛋白标记、转录因子结合位点和基序，判断物种类群
- 下一碱基预测：续写序列的后续几个碱基（官方提示生成长序列时质量下降）
- 五项 DNA 基准平均 66.7%（关闭思考），比基座 Qwen3-14B 高 27 分；官方称领先其评测的所有开放模型，接近 GPT-6.1 Sol（67.5%），每题推理成本约为其 1/1800
- 可作为智能体工具：官方给出把 Carbon-X 当作通用模型的 DNA 工具调用的示例
- 部署：Transformers v5+（分词器需 trust_remote_code），可用 vLLM 单卡推理；官方说明 llama.cpp 等 GGUF 运行时不支持（DNA 分词器是自定义代码）
- 限制：未经临床验证，不能用于医疗决策；剪接位点、组蛋白标记题仍偏弱；不适合生成长 DNA 序列，只读懂和解释已有序列