Hugging Face lança Carbon-X, modelo de IA para análise de DNA
A Hugging Face publicou o Carbon-X, modelo aberto de 14,8 bilhões de parâmetros que responde a perguntas sobre sequências de DNA, mas que, segundo a empresa, não foi validado clinicamente.
||
22/10 às 08:01, atualizado 12:46
Pontos principais
- O Carbon-X tem 14,8 bilhões de parâmetros, 40 camadas e janela de contexto de 40.960 tokens.
- O mid-training somou 302 bilhões de tokens, 55% deles de DNA bruto, sobretudo de genomas eucariotos.
- Segundo a Hugging Face, a média do modelo em cinco benchmarks de DNA é de 66,7%, 27 pontos acima do modelo de base.
- A empresa estima em cerca de US$ 300 o custo de analisar as 2,4 milhões de variantes de significado incerto do ClinVar, contra US$ 32 mil a US$ 4 milhões nos modelos de fronteira avaliados.
- Os pesos cabem em uma GPU de 80 GB em bfloat16 e são liberados sob licença Apache 2.0, o que permite manter sequências sensíveis em infraestrutura própria.
- Tem desempenho fraco em sítios de splicing (29,8%) e marcas de histona (34,6%) no GenomeQA, e não foi treinado para projetar sequências novas.
- Foi desenvolvido em colaboração com a Zhongguancun Academy e com o Telethon Institute of Genetics and Medicine e a Universidade de Nápoles Federico II.
A Hugging Face publicou o Carbon-X, sob licença Apache 2.0. Derivado do Qwen3-14B, o modelo recebe DNA bruto e texto no mesmo fluxo de tokens.
Segundo a empresa, a média em cinco benchmarks de DNA, sem modo de raciocínio, fica perto dos 67,5% do GPT-6.1 Sol. Dois desses benchmarks foram criados pelos próprios autores.
A Hugging Face diz que o modelo não foi validado clinicamente e não deve ser usado para tomar decisões médicas. Ele pode errar contagens de bases e inventar a identidade de sequências sem contexto.