フロンティアラボは生物学におけるAIの能力を進歩させていますが、悪意ある者たちが容易に回避できる、広く普及しているものの浅いガードレールによって、善き側の人々(科学者、学術界、非営利団体、保健機関など…)がそれを使用、研究、理解することを妨げています(例えば、このツイートの校正をさせてもらえませんでした😅)。
これは、サイバーセキュリティと同じように、今後数年で自動的に巨大な非対称性とリスクを生み出します。特に今、フロンティアラボがウェットラボを構築している状況ではなおさらです(生物学におけるHFサイバーセキュリティのシナリオはいつ?)。
こうした理由から、私たちはCarbon-Xを作成しました。Qwen3-14BをDNA、英語、およびインターリーブされたデータの300Bトークンでミッドトレーニングすることにより、最高のオープンソースDNAモデルです。 また、英語はBPEで、DNAは6-merトークナイザーでトークン化するハイブリッドトークナイザーも使用しました。
その結果、Carbon-Xは、我々が評価したすべてのオープン言語モデルを、DNAの理解と生成の5つのベンチマークで上回りました。これはQwen3-14Bから27ポイントの改善であり、言語モデルがDNAトレーニングからどれほど多くを得られるかを示しています。さらに、GPT 6.1 Solの1,800分の1のコストでAPIフロンティアレベルです!
Carbon-Xが研究者たちがDNAを新しい方法で探究する助けになることを願っています。オープンに公開することで、誰もがその能力、限界、リスクを研究できます。AI生物学のフロンティアをオープンソースにし、少数の企業だけでなく世界全体にとって安全で影響力のあるものにしましょう。
@huggingfaceのApache 2.0モデル: https://huggingface.co/HuggingFaceBio/Carbon-X