Frontier Labs正在提升人工智能在生物学领域的应用能力，但却设置了过于宽泛且浅薄的约束规则，使得善人（科学家、学术界人士、非营利组织、健康机构等）难以使用、研究和理解这一技术，而恶人则很容易绕过这些规则（比如我就被阻止了修改这条推文 😅）。
在未来几年里，这将自动导致巨大的不对称性和风险，就像网络安全领域一样，尤其是现在前沿实验室正在建设湿实验室（生物学领域的HF网络安全场景是什么时候呢？）。
这就是我们创建 Carbon-X 的原因。在包含 300B 个token 的 DNA、英语及混合数据上对 Qwen3-14B 进行训练至中期阶段时，我们采用了最佳的开源 DNA 模型。我们还使用了一种混合分词器：用 BPE 对英语进行分词，用 6-mer 分词器对 DNA 进行分词。
因此，Carbon-X在五个DNA理解与生成基准测试中均优于所有我们评估过的开放语言模型。相比Qwen3-14B，其性能提升了27点，这充分显示了语言模型通过DNA训练能够取得的效果。此外，它的API使用成本仅为GPT 6.1 Sol的1,800倍，属于前沿水平。
我们希望 Carbon-X 能帮助研究人员以新的方式探索 DNA。公开发布它意味着任何人都可以研究其功能、局限性及风险。让我们让人工智能与生物学领域的前沿技术成为开源项目，使其对全世界都有益且安全（而不仅仅是某些公司）。
Apache 2.0 模型在 @huggingface 上：https://huggingface.co/HuggingFaceBio/Carbon-X