Thomas Wolf 在 10 月 22 日的帖文中宣布,团队当天发布了 Carbon-X。官方模型卡将其描述为一个拥有 148 亿参数、联合使用 DNA 序列与自然语言文本训练的模型,可在聊天中接收原始 DNA,并以英语回答变异效应、序列特征和后续碱基预测等问题。

据模型卡介绍,Carbon-X 由 Hugging Face、中关村学院,以及 Telethon 遗传学与医学研究所(TIGEM)/那不勒斯费德里科二世大学的研究团队合作开发。

团队报告,在关闭思考模式时,Carbon-X 在五项 DNA 基准上的平均得分为 66.7%,GPT-6.1 Sol 为 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,使用的指标包括平衡准确率、问题准确率和逐碱基准确率。因此,这一平均分不能理解为模型回答任意 DNA 问题的准确率,也不能据此推导临床表现。

成本是团队提出的另一项主要优势:按其核算,Carbon-X 的每题推理成本约为 GPT-6.1 Sol 的 1/1800。比较模型采用各自平均得分最高的推理强度,费用按标准 API 定价计算;Carbon-X 则按 H200 的实测吞吐量和每小时 5 美元计算。这一比较对应特定评测与计价条件,不能直接换算成研究人员在任意硬件上的实际支出。

模型的表现也并不均衡。团队披露,Carbon-X 在 GenomeQA 的剪接位点和组蛋白标记问题上得分分别为 29.8% 和 34.6%,这些仍是弱项。模型卡明确指出,Carbon-X 尚未经过临床验证,不应被用于医疗决策。

本地部署仍有需要核实的细节。主模型卡称 llama.cpp 和 GGUF 不受支持,官方 GGUF 页面则称,llama.cpp 从 b11742 版本起支持所需的 DNA 分词器,旧版虽然能加载文件,却会错误地对 DNA 分词。两份说明存在冲突,现有材料不足以确认当前兼容状态,也没有提供笔记本运行速度的实测结果。

这些结果提示了一个值得继续验证的方向:面向 DNA 任务训练的专用模型,可能以较低推理成本完成一部分原本交给大型通用模型的工作。这是基于团队评测的判断;能否转化为实验室中的实际收益,还取决于具体任务的表现、部署条件,以及研究人员对输出的核验。

参考来源: