Frontier Labs fördern die Fähigkeiten im Bereich künstlicher Intelligenz für Biologie, aber sie verhindern, dass Wissenschaftler, Akademiker, Non-Profit-Organisationen, Gesundheitsbehörden usw. diese Technologien nutzen, untersuchen und verstehen können – durch breite, aber oberflächliche Sicherheitsmaßnahmen, die die Bösen leicht umgehen können (zum Beispiel wurde ich daran gehindert, diesen Tweet zu überprüfen 😅).
Dies wird in den kommenden Jahren automatisch enorme Asymmetrien und Risiken verursachen, genau wie im Bereich der Cybersicherheit – besonders jetzt, da die Frontier-Labs feuchte Labore aufbauen (Wann wird das HF-Cybersecurity-Szenario für Biologie sein?).
Deshalb haben wir Carbon-X entwickelt, das beste Open-Source-DNA-Modell, das während des Trainings von Qwen3-14B auf 300B Tokens an DNA, Englisch und vermischtem Daten erstellt wurde. Wir verwendeten außerdem einen hybriden Tokenizer, der das Englische mit BPE und das DNA mit einem 6-mer Tokenizer tokenisiert.
Als Ergebnis übertrifft Carbon-X alle offenen Sprachmodelle, die wir an fünf Benchmarks zur Verständnis- und Generierung von DNA bewertet haben. Dies ist eine Verbesserung von 27 Punkten gegenüber Qwen3-14B, was zeigt, wie viel ein Sprachmodell durch DNA-Training gewinnen kann. Es liegt auch auf dem API-Grenzlevel, mit 1.800-mal weniger Kosten als GPT 6.1 Sol!
Wir hoffen, dass Carbon-X den Forschern hilft, das DNA auf neue Weise zu erforschen. Die offene Veröffentlichung bedeutet, dass jeder die Fähigkeiten, Einschränkungen und Risiken des Systems untersuchen kann. Lassen wir die Grenzen der KI-Biologie als Open Source zugänglich werden, damit sie für die ganze Welt sicher und wirkungsvoll ist – nicht nur für einige Unternehmen.
Apache 2.0-Modell auf @huggingface: https://huggingface.co/HuggingFaceBio/Carbon-X