Hugging Face 开源 Carbon-X DNA 模型，成本仅为 GPT 6.1 Sol 的 1/1800

前沿实验室正在推进 AI 在生物学领域的能力，但他们用广泛却浅显的防护措施，阻止了好人（科学家、学术界、非营利组织、卫生机构……）使用、研究和理解这些技术，而坏人却能轻易绕过这些防护（比如这条推文就被拦截，无法校对 😅）。

这会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（生物学领域的 HF 网络安全场景何时到来？）。

正因如此，我们打造了 Carbon-X，这是目前最好的开源 DNA 模型，通过在 3000 亿 token 的 DNA、英文及交错数据上对 Qwen3-14B 进行中期训练得到。我们还采用了混合分词器，用 BPE 对英文分词，用 6-mer 分词器对 DNA 分词。

结果是，在五个 DNA 理解与生成基准测试中，Carbon-X 的表现超过了我们评估过的所有开源语言模型。相比 Qwen3-14B，它提升了 27 个百分点，这表明语言模型能从 DNA 训练中获得多大的收益。它的 API 性能也达到了前沿水平，而成本仅为 GPT 6.1 Sol 的 1/1800！

我们希望 Carbon-X 能帮助研究人员以新的方式探索 DNA。将其开源发布，意味着任何人都可以研究它的能力、局限性和风险。让我们把 AI 生物学的前沿技术开源，让它对全世界（而不仅仅是少数几家公司）都安全且有影响力。

基于 Apache 2.0 协议的模型已发布在 @huggingface 上：