clem 🤗 @ClementDelangue

前沿实验室正在推进 AI 在生物学领域的能力，却用广泛而浅薄的防护措施阻止好人（科学家、学术界、非营利组织、卫生机构等）使用、研究和理解它，而坏人却能轻易绕过这些限制（比如它就阻止了我校对自己的这条推文 😅）。 这将在未来几年自动造成巨大的不对称和风险，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（生物学的 HF 网络安全场景何时到来？）。 这就是我们创建 Carbon-X 的原因——通过在 300B token 的 DNA、英文和交错数据上对 Qwen3-14B 进行中期训练，打造出最好的开源 DNA 模型。我们还使用了混合分词器，用 BPE 对英文分词，用 6-mer 分词器对 DNA 分词。 结果，在我们评估的五项 DNA 理解与生成基准上，Carbon-X 的表现优于所有开放语言模型。相比 Qwen3-14B 提升了 27 个百分点，显示语言模型能从 DNA 训练中获得多大收益。其 API 也达到前沿水平，成本却比 GPT 6.1 Sol 低 1,800 倍！ 我们希望 Carbon-X 能帮助研究人员以新方式探索 DNA。公开释出它意味着任何人都可以研究其能力，限制……