Hugging Face 发布开源 DNA 理解与生成模型 Carbon-X，用户可在普通聊天对话中贴入原始 DNA 序列，并获得英文回答。据模型卡介绍，它能预测突变是良性还是致病、识别调控基因活动的区域，并预测序列的后续碱基；模型权重可放入单张 80 GB GPU，让研究人员在自己的基础设施上处理序列。
据模型卡，Carbon-X 拥有 148 亿参数，采用纯解码器架构，由 Hugging Face、中关村学院，以及 Telethon 遗传与医学研究所／那不勒斯费德里科二世大学的研究团队合作开发。
模型以 Qwen3-14B 为起点，使用 DNA、生物学文本、英文和指令数据进行了 3020 亿 token 的中期训练，随后进行监督微调和基于可验证奖励的强化学习。
DNA 与文本在同一个解码器中共用一条 token 流，没有独立的 DNA 编码器。DNA 按不重叠的 6-mer 编码，每个 DNA token 覆盖 6 个碱基对；模型卡列出的上下文窗口为 40,960 token。
发布方自测显示，Carbon-X 在关闭思考模式时，五项 DNA 基准的平均得分为 66.7%，比底座 Qwen3-14B 高 27 个百分点，领先此次参评的其他开源模型，接近 GPT-6.1 Sol 的 67.5%。这些基准覆盖变异效应预测、序列理解和后续碱基预测。
模型卡称，Carbon-X 每题推理成本约为 GPT-6.1 Sol 的 1/1,800。比较模型采用标准 API 定价，Carbon-X 则按 H200 每小时 5 美元及实测吞吐量计算。发布方进一步估算，分析 ClinVar 中 240 万个意义未明变异，Carbon-X 约需 300 美元，参评前沿模型约需 3.2 万至 400 万美元。上述成绩和成本均来自发布方评测或估算。
Carbon-X 权重以 Apache 2.0 许可发布。据模型卡，使用 bfloat16 精度时，单张 80 GB GPU 即可容纳权重，并可通过 vLLM 部署。
模型卡明确指出，Carbon-X 未经临床验证，不应用于医疗决策。其能力也不均衡：发布方自测中，GenomeQA 的剪接位点和组蛋白标记任务准确率分别为 29.8% 和 34.6%。模型可能数错碱基、混淆坐标或错误编辑序列，在缺少上下文时还可能编造序列身份或功能。
尽管支持序列生成，模型卡强调，Carbon-X 主要用于读取和解释已有序列，并未接受设计新序列的训练；生成较长 DNA 序列时，质量会下降。
