全球领先AI公司Hugging Face正式发布突破性自然语言模型Carbon-X。该模型基于Carbon系列基因组基础模型构建，允许用户使用通俗语言查询DNA序列信息并获取解答，实现了自然语言与遗传学数据的直接交互。
Carbon-X：让DNA“开口说话”
Carbon-X在底层Carbon基因组模型之上增加了对话功能。用户只需输入DNA序列、相关问题或需求描述，模型即可用清晰易懂的语言作答。其交互范围涵盖解释特定序列功能、预测突变后果，甚至从头生成全新的DNA序列。
这一特性降低了基因组学的使用门槛，不仅服务于分子生物学家，也惠及缺乏深厚计算背景的生物信息研究人员及专业人士。底层Carbon模型将A、C、G、T四个DNA碱基视为词汇表，通过海量真实基因组数据学习，掌握了生物学上合理的序列模式、编码区位置及潜在破坏性突变。Carbon-X将这些能力封装于对话界面中，使用户能以日常语言调用模型知识。
性能对标与开源策略
Carbon家族包含Carbon-500M、Carbon-3B和Carbon-8B三种尺寸。其中，拥有30亿参数的Carbon-3B在八个零样本DNA任务中的基准性能可与Evo2-7B媲美，且处理速度显著更高；旗舰版Carbon-8B则在同等参数范围内超越了Evo2-7B级别模型。
这些模型在约一万亿个高质量DNA序列令牌（相当于六万亿个碱基对）上训练而成。遵循开源理念，Hugging Face已在Hugging Face Hub公开模型权重、完整训练代码、数据管道及技术文档。
技术突破与应用前景
Carbon的速度优势源于两项关键技术：一是采用固定的六聚体分词器，每次读取六个碱基对，将序列长度压缩六倍，大幅降低计算成本；二是采用“因子化核苷酸监督”训练目标，从六碱基块中恢复单碱基精度，兼顾效率与精确性。模型支持长达393,000个碱基对的上下文，可单次推理极长基因组片段。
在实际应用层面，mRNA疫苗和基因疗法研究人员可利用该模型快速生成编码特定抗原或治疗性蛋白的DNA序列；农业科学家可探索动植物基因组以识别抗病或增产编辑方案；遗传咨询师和临床医生则可辅助解读癌症或罕见病患者的变异数据。
背景链接
关于Hugging Face
Hugging Face成立于2016年，总部位于纽约，以维护开源AI平台Hugging Face Hub闻名。Hub托管了数十万个涵盖NLP、计算机视觉及生物学领域的模型，是全球开源AI开发的核心存储库之一。公司还维护广泛使用的Transformers库，并通过HuggingFaceBio部门专注于将AI应用于生物数据。
交互机制
Carbon-X界面接受自然语言提示及嵌入特殊占位符的DNA序列。模型将遗传代码视为生物数据而非纯文本进行处理，生成关于序列功能、突变影响或新序列设计的自然语言回答。无编程背景用户可通过Hugging Face Space演示直接与系统交互。
核心能力
Carbon-X整合了三项核心能力：DNA理解（解释序列内容及功能区域）、突变分析（预测碱基改变对蛋白质功能的影响）以及DNA生成（创建符合统计模式的新序列）。这些能力既可通过对话界面直接获取，也可通过开源代码集成至专业工作流中。