Hugging Face wydał Carbon-X, otwarty model DNA o rozmiarze 14,8 miliarda parametrów, który łączy analizę sekwencji genetycznych z przetwarzaniem języka naturalnego. Model może czytać surowe DNA w formacie konwersacyjnym i odpowiadać po angielsku, przewidując skutki mutacji, identyfikując regiony regulacyjne, klasyfikując organizmy i przewidując kolejne bazy DNA.
Carbon-X zbudowany został jako model dekodujący na podstawie Qwen3-14B i wykorzystuje hybrydowy tokenizer, który łączy słownik BPE tekstu z 5515 specjalistycznymi tokenami DNA, w tym 4096 nieobejmującymi się sekwencjami 6-merów. Jeden token DNA obejmuje 6 par zasad. Model ma architekturę 40 warstw z ukrytym rozmiarem 5120 i kontekstem 40960 tokenów. Wagi wydane zostały na licencji Apache 2.0, umożliwiając laboratoriom bezpieczne przechowywanie wrażliwych sekwencji na własnych GPU bez wysyłania danych do chmury.
Według Hugging Face model osiąga średnio 66,7 procent na 5 benchmarkach DNA - wynik najlepszy wśród wszystkich testowanych modeli otwartych. Najlepiej radzi sobie w kodowaniu biologicznym z wynikiem 74,9 procent, wyprzedzając zarówno modele otwarte, jak i zamknięte. Słabiej natomiast na pytaniach o splajcing z wynikiem 29,8 procent. Model wymaga zaledwie jednego GPU 80 GB w formacie bfloat16 lub można go uruchamiać w wersji GGUF - wariant Q4_K_M zajmuje 9,6 GB.