Hugging Face wydał w czwartek Carbon-X — otwarty model, który czyta sekwencje DNA i odpowiada o nich zwykłym językiem. Ma 14 mld parametrów, licencję Apache 2.0 i działa lokalnie na laptopie, więc dane genetyczne nie opuszczają sprzętu użytkownika. Powstał z badaczami z Zhongguancun Academy w Chinach i Uniwersytetu Neapolitańskiego Federico II.
Najważniejsze w skrócie
- 14 mld parametrów, model bazowy Qwen3-14B, licencja Apache 2.0
- Trening na 300 mld tokenów łączących DNA, tekst angielski i opisy biologiczne
- Okno wejściowe to około 50 tys. par zasad — pełnego genomu wgrać się nie da
- Sekwencji wirusów celowo nie użyto w treningu
- Model odczytuje DNA w grupach po sześć liter
Cztery parametry, które decydują o tym, gdzie Carbon-X da się uruchomić:
Dlaczego mały model
Rozmiar nie jest tu oszczędnością, a wymogiem prawnym. Badacze mają ograniczenia w wysyłaniu danych pacjentów do modeli frontierowych, więc zespół celowo zrobił model, który zmieści się na sprzęcie użytkownika.
Odblokowaliśmy w modelach językowych nową zdolność, która sprowadza się do rozmawiania z DNA.
Lewis Tunstall, senior research scientist w Hugging Face.
Zespół wziął istniejący model językowy, rozszerzył jego słownik tak, by czytał DNA w grupach po sześć liter, i doliczył 300 mld tokenów mieszających sekwencje z tekstem i opisami biologicznymi. Dane pochodziły od ssaków, innych kręgowców, bezkręgowców, roślin, grzybów i pierwotniaków.
AlphaGenome i Evo 2 robiły to inaczej
AlphaGenome od Google DeepMind przewiduje skutki sekwencji i mutacji, ale zwraca liczby i wymaga więcej mocy obliczeniowej. Evo 2 z Arc Institute i NVIDII mówi językiem DNA i potrafi wygenerować cały genom. Carbon-X łączy DNA i język naturalny w jednym interfejsie rozmowy.
Praktyczne zastosowanie to rozstrzyganie, czy mutacja jest łagodna, czy chorobotwórcza — krok konieczny przy projektowaniu terapii celowanej.
| Model | Co zwraca | Interfejs |
|---|---|---|
| Carbon-X | odpowiedź w języku naturalnym | rozmowa o sekwencji |
| AlphaGenome | wartości liczbowe | wymaga więcej mocy obliczeniowej |
| Evo 2 | sekwencje DNA, do całych genomów | język DNA |
Dlaczego to ważne?
Najmocniejszym elementem nie jest trafność, bo jej nikt jeszcze nie zna, a lokalizacja obliczeń. Model mieszczący się na laptopie zmienia kategorię ryzyka prawnego przy danych genetycznych i otwiera je dla zespołów, które do chmury wysłać ich nie mogą. Interfejs językowy obniża przy tym próg wejścia dla osób bez przygotowania bioinformatycznego. Pozostaje pytanie, czy wygoda rozmowy nie zachęci do traktowania odpowiedzi jak wyniku badania, dopóki nikt nie sprawdził ich w laboratorium.
Co dalej?
- Twórcy nie zwalidowali modelu eksperymentami laboratoryjnymi, więc trafność jego predykcji pozostaje nieznana
- NVIDIA zgodziła się we wrześniu przejąć Hugging Face za blisko 13 mld dolarów (ok. 48 mld zł)
Źródła
- WIRED — Hugging Face's New AI Biology Model Lets You Chat With DNA
- Hugging Face — HuggingFaceBio/Carbon-X
