它到底怎么读 DNA

Carbon-X 不是「文本模型外挂一个 DNA 编码器」，而是把 DNA 和自然语言放进同一个解码器。分词器保留 Qwen3 的 BPE 词表，另外加了 5,515 个 DNA token：4,096 个 6-mer、1,364 个处理长度不是 6 的倍数的尾部 token，以及几个标记符。一个 DNA token 对应 6 个碱基，模型在对话里看到 DNA 会自动打标。

这让它可以做几类具体任务：判断变异是良性还是致病、找调控区域、按生物类群分类序列、预测下一个碱基，并用英文解释理由。输出里可以同时有 DNA 和自然语言。

分数与成本

官方在五个 DNA 基准上测，关闭思考模式平均 66.7%。同一套测试里，基座 Qwen3-14B 低 27 个百分点，GPT-6.1 Sol 是 67.5%，Claude Opus 5.5 是 60.9%。Carbon-X 在 coding-variant effects（BioReason Coding 74.9）和 next-base prediction（NextBase 39.4）上领先所有被测模型。

成本是它最有说服力的部分：官方估算，用 Carbon-X 分析 ClinVar 里 240 万个意义未明变异约需 $300；同样工作交给被测的前沿模型要 $32,000 到 $400 万。原因是它直接答题、不展开长推理，每个问题只花很少输出 token。这个估算按 H200 每小时 $5 的吞吐折算，换成别的卡会变。

能怎么用

BF16 权重能放进一张 80GB GPU，vLLM 单卡可服务；官方还放了 GGUF 量化版，Q8_0 在 llama.cpp 上跑 FrontierVEP 是 69.1、NextBase 39.7，和 BF16 的 69.6 / 40.1 很接近。对不能把序列传到云上的实验室，这一点比榜单更重要。

仓库里还有一个给 Claude Code / Codex CLI 用的 skill：把 DNA 文件路径交给 ask，或对等长变异用 compare 排序，底层通过 CARBON_BASE_URL 调本地 vLLM。它把「读序列」变成了 agent 可调用的工具，而不是让模型在聊天里手抄碱基。

别忽略的限制

  • 部分基准由同一团队为这次发布构建，包括它领先的 NextBase；这不是造假，但需要外部复现。
  • 官方自己给出的弱项：剪接位点 29.8%、组蛋白修饰 34.6%（GenomeQA），并不适合单独做这类判断。
  • 模型可能数错碱基、混淆长序列坐标，缺少上下文时会编造序列功能，生成长 DNA 时质量下降。
  • 官方明确说没有经过临床验证，不能用于医疗决策。

落地建议

最现实的用法是「先把 240 万个变异筛一遍，把可疑的交给专家和实验」，而不是让模型直接出报告。上线前用自己实验室的历史数据做一次盲测，单独统计剪接位点和长插入缺失的召回；如果这两类错误率高，就在流程里直接跳过，不要靠提示词硬拗。

一句话：Carbon-X 的价值在「把一次全量筛查的成本从几十万美元打到几百美元」，但它的定位是分诊，不是诊断。