Hugging Face 发布开源 DNA 聊天模型：把基因序列粘进去，直接问"这个突变致病吗"

Hugging Face 昨天（10 月 22 日）发布了 Carbon-X：一个 14.8B 参数的开源模型，Apache 2.0 协议，权重可以直接下载。它的特殊之处在于起点是 Qwen3-14B，但加了 5515 个 DNA 专用 token（6-mer 编码），在 302B token（DNA 序列 + 英文 + 基因组描述）上做了 mid-training，再加 SFT 和 RL。

用起来是这样：你粘贴一段 DNA 序列，用自然语言问"这个突变是良性还是致病""这段里有没有调控区域""帮我续写下一个碱基"，它会用英语回答，还会给出推理过程。本地可跑——bfloat16 下一块 80GB 显存就能装，vLLM 可以 serve。训练数据里刻意排除了病毒相关序列。

可信度分级先说清楚：发布本身和功能描述是官方模型卡 + Wired、Business Insider 采访交叉，多方印证；但 HF 自测的那组数字——五项 DNA 测试平均 66.7%、比 Qwen3-14B 高 27 分、接近 GPT-6.1 Sol 的 67.5% 且成本只有 1/1800——是公司自测，其中两个 benchmark 还是 HF 自己建的，"尚未独立复核"。另外官方自己也承认：预测结果还没有做过实验室实验验证。

为什么值得看：这是"开源模型吃掉专业领域"的又一个鲜活案例。对生物、医药背景的读者，这是个新工具——本地跑意味着患者基因数据不用出内网，隐私痛点直接解决；Apache 2.0 还能商用。对普通 AI 爱好者，它补上了"聊天式"这一环：AlphaGenome 是纯数值预测，Evo 2 是生成基因组，Carbon-X 是"用嘴问"的那一层。做生物信息的人可以评估把它当子智能体嵌进 pipeline；爱好者可以直接去 HF Hub 拉权重试玩。不过先泼盆冷水：预测准不准还没人独立验证过，先当探索工具用，别直接指导临床决策。