Carbon-X

Carbon-X är en språkmodell från Hugging Face som har tränats på både DNA-sekvenser och vanlig text. Man klistrar in rå DNA i en chattkonversation och ställer en fråga, och modellen svarar på engelska. Den kan bedöma om en mutation sannolikt är ofarlig eller sjukdomsframkallande, hitta områden som styr genaktivitet, avgöra vilken organismgrupp en sekvens kommer ifrån, förutsäga nästa baser i en sekvens och förklara hur den resonerar.

Modellen bygger på Qwen3-14B. DNA och text delar samma ström av tokens i en och samma modell, utan någon separat DNA-del. En särskild tokeniserare delar upp DNA i bitar om sex baser i taget. Modellen tränades vidare på 302 miljarder tokens med DNA, biologitext, engelska och instruktionsdata, och finjusterades sedan med övervakad träning och förstärkningsinlärning på DNA-uppgifter.

Enligt Hugging Face får Carbon-X i snitt 66,7 % på fem DNA-tester, nästan lika mycket som GPT-6.1 Sol (67,5 %) men till ungefär en 1 800-del av kostnaden per uppgift. Vikterna ryms på ett enda grafikkort med 80 GB minne, så forskare kan köra modellen på egen hårdvara och behålla känsliga sekvenser hos sig själva. Modellen är ett samarbete mellan Hugging Face, Zhongguancun Academy och Telethon Institute of Genetics and Medicine/Neapels universitet Federico II.

Hugging Face betonar att modellen inte är kliniskt validerad och inte får användas för medicinska beslut. Den kan räkna fel på baser, blanda ihop positioner och hitta på vad en sekvens är om sammanhanget saknas.