11 月 2 日，Hugging Face Bio 团队联合中关村学院、意大利 Telethon 遗传学与医学研究所、那不勒斯费德里科二世大学正式发布开源基因组大模型 Carbon-X，为生物与 AI 的交叉领域带来一个开源新选择。

Carbon-X 基于 Qwen3-14B 改造，核心创新在于把 DNA 碱基序列与人类自然语言纳入同一个解码器模型。研究团队没有采用“DNA 编码器 + 大语言解码器”的拼接架构，而是设计了混合分词器，在原有文本词表之外新增大量六碱基 DNA 专用 token，使 DNA 与文本共用一套嵌入矩阵，在同一套模型内完成编码、推理与输出。

训练上，团队对 Qwen3-14B 开展中期续训，使用 3000 亿 token 的混合数据集，随后进行监督微调与可验证奖励的强化学习，抑制模型对基因信息的幻觉。在 5 项去污染 DNA 专项基准中，无推理模式平均得分 66.7%，较基座 Qwen3-14B 提升 27 个百分点，接近闭源顶尖模型水平，而单样本推理成本仅约其 1/1800。

该模型权重采用 Apache 2.0 协议完全开放，支持本地私有化部署以保护敏感基因数据，可作为子专家智能体外挂给其他通用大模型，也适用于大规模批量基因组分析，为精准医疗与生物研究提供低成本、可审计的开源工具。

来源：DoNews（2026-11-02） Hugging Face 开源 Carbon‑X:14B 参数 DNA‑语言混合大模型