Hugging Face выпустила открытую модель Carbon-X для анализа последовательностей ДНК

Модель Carbon-X с 14,8 млрд параметров принимает последовательности ДНК в обычном диалоге и отвечает на вопросы о мутациях и функциях генома. Веса доступны по лицензии Apache 2.0, однако разработчики предупреждают, что модель не прошла клиническую проверку.

Hugging Face совместно с Чжунгуаньцуньской академией, Университетом Неаполя имени Фридриха II и институтом генетики TIGEM опубликовала Carbon-X — языковую модель с 14,8 млрд параметров, обученную одновременно на геномных последовательностях и англоязычных текстах.

Пользователь может передать модели фрагмент ДНК и задать вопрос на естественном языке. Carbon-X умеет оценивать, является ли мутация доброкачественной или патогенной, определять регулирующие активность генов участки, классифицировать последовательности и предсказывать следующие основания. Гибридный токенизатор обрабатывает ДНК группами по шесть пар оснований.

Модель создана на основе Qwen3-14B и дополнительно обучена на 302 млрд токенов. Контекстное окно составляет 40 960 токенов, а веса в формате BF16 помещаются на одном ускорителе с 80 Гбайт памяти, что позволяет обрабатывать конфиденциальные геномные данные в локальной инфраструктуре.

Разработчики сообщают о среднем результате 66,7% на пяти тестах для задач анализа ДНК. При этом Carbon-X пока не прошла клиническую и лабораторную проверку, может ошибаться при работе с координатами и функциями последовательностей и не предназначена для принятия медицинских решений.