Hugging Face 發表 Carbon-X：能「和 DNA 對話」的開源模型，病毒資料刻意排除
Hugging Face 10 月 22 日發表 Carbon-X，以 Qwen3-14B 為基礎、餵入 3,000 億 token 基因序列訓練，可用自然語言詢問 DNA 突變影響，開源且可在本機執行，訓練時主動剔除病毒資料。
大型語言模型學會了寫信、除錯與做會議紀錄，Hugging Face 現在想讓它讀懂基因。公司在 10 月 22 日發表名為 Carbon-X 的新模型，主打「第一個」把 DNA 分析、DNA 生成與日常語言結合在一起的系統——研究人員可以直接用提問的方式，「和 DNA 聊天」。
把基因序列變成可以問答的對象
Carbon-X 的做法，是拿現成的 Qwen3-14B 語言模型為底，餵入約 3,000 億 token 的基因序列、英文文本與基因—生物描述配對資料進行訓練，涵蓋人類、其他哺乳類、植物與真菌的 DNA。模型以六個字母為一組來讀取 DNA，每次查詢可處理約五萬個鹼基對。
實際用起來像這樣：研究人員貼上一段 DNA 序列，問「這個突變會不會提高罹病風險？」模型就會給出預測與解釋；它也能生成新的 DNA 序列，協助開發基因療法。資深研究科學家 Lewis Tunstall 指出，通用聊天機器人有時會把研究人員正當的生物學問題誤判為「設計生化武器」而拒答，Carbon-X 這類專用模型就不會有這種困擾。
病毒資料主動剔除，敏感數據留在本機
在安全設計上，Hugging Face 刻意把病毒排除在訓練資料之外，避免模型被挪作危險用途。同時 Carbon-X 只有 140 億參數，全精度版本塞得進單張 80GB 的資料中心 GPU，官方展示甚至能在 MacBook 上跑。對握有病患基因資料的實驗室來說，最大的好處是敏感序列不必上傳雲端，在自己的機器上就能分析。
不過要潑一盆冷水：開發團隊坦承，模型的預測尚未經過真實的實驗室驗證，準確度仍是未知數。基準測試的分數雖然接近 GPT-6.1 Sol 的 DNA 項目表現，但那是自家公布的數字。在走進實驗室之前，它更像是一位能幫科學家找對問題的研究助理，而非能開醫療處方的工具。
不想讓生物學重演數學界的劇本
Tunstall 受訪時道出了背後的動機：AI 已經徹底改寫了數學研究——想站在數學前沿，幾乎得待在 OpenAI 或 Anthropic 這種頂尖實驗室裡，因為最好的數學模型都在那裡。他擔心生物學會步上後塵，因此希望給開放研究社群一套不依賴單一巨頭的工具。
這也是 Hugging Face 被 NVIDIA 以近 130 億美元收購（今年 9 月達成協議，預計 2027 上半年完成）前，作為獨立公司的重要發表之一。Carbon-X 與義大利拿坡里腓特烈二世大學、中國的中關村學院合作開發，模型權重已在 Hugging Face Hub 上開放下載。
資料來源
- Business Insider：Hugging Face is launching a new AI model that lets scientists ‘chat with DNA’（2026-10-22）
- Wired：專訪 Hugging Face 資深研究科學家 Lewis Tunstall