Carbon-Xは、Qwen3-14BをベースにDNAと生物学テキスト、英語で追加学習したdecoder-onlyのモデルです。特徴は、DNAを塩基6個（6塩基対）ごとのトークンに変換して、自然言語と同じトークン列に混ぜられる点です。専用のDNAエンコーダーはなく、1つのデコーダーが両方を処理します。プロンプト中のDNA配列は自動検出されて`<dna>`タグで囲まれ、長さが6の倍数でない末尾は専用トークンで処理して、復号すれば元の配列に戻ります。
- 01 入力
配列＋質問
利用者が参照配列と変異配列、遺伝子名などの文脈とともに質問を書く。
- 02 トークナイザー
6塩基に分割
DNA部分を検出して6塩基ごとのトークンへ変換し、テキストと同じ語彙列にする。
- 03 モデル
単一デコーダー
148億パラメータの1つのデコーダーがDNAと言語を同時に処理する。
- 04 出力
英語の回答
病原性の推定や配列の説明を、DNA配列を含む英語の文章で返す。
出典はHugging Face HubのCarbon-Xモデルカード（2026年10月23日確認）。推論には80GBのGPUが1枚必要で、vLLMまたはTransformers v5以降で実行する。llama.cppなどGGUF系ランタイムは非対応。
学習は3,020億トークンの中間学習を経て、教師ありfine-tuningと検証可能な報酬による強化学習で仕上げられました。中間学習データの55%が生のDNA配列で、哺乳類を含む脊椎動物、無脊椎動物、植物、菌類、原生生物のゲノムを使いました。コンテキストは40,960トークンで、入力できるのはおよそ5万塩基対までです。人間のゲノム全体を一度に読み込むことはできません。Wiredの取材に対し、研究サイエンティストのルイス・タンストール（Lewis Tunstall）氏は、ウイルスの配列は危険な用途に使われないよう学習データに入れていないと説明しています。
「言語モデルに新しい能力を開放しました。それは本質的に、DNAと会話できるということです。」
We've unlocked a new capability in language models, which is fundamentally about being able to chat with DNA.
コード変異の影響（BioReason Coding）1,018変異
- Carbon-X
- 74.9
- GPT-6.1 Sol
- 71.0
- Opus 5.5
- 70.3
複雑な変異の影響（BioReason Non-SNV）873変異
- Carbon-X
- 85.1
- GPT-6.1 Sol
- 91.7
- Opus 5.5
- 94.8
配列の理解（GenomeQA）2,600問
- Carbon-X
- 63.6
- GPT-6.1 Sol
- 67.2
- Opus 5.5
- 62.2
塩基の予測（NextBase）600配列
- Carbon-X
- 39.4
- GPT-6.1 Sol
- 32.9
- Opus 5.5
- 1.1
一塩基変異の影響（FrontierVEP）1,000変異
- Carbon-X
- 70.4
- GPT-6.1 Sol
- 74.9
- Opus 5.5
- 76.2
5種の平均―
- Carbon-X
- 66.7
- GPT-6.1 Sol
- 67.5
- Opus 5.5
- 60.9
出典はCarbon-Xモデルカードの評価表（2026年10月23日確認）。Carbon-Xは思考オフ・既定サンプリング。比較モデルは各々最高スコアのreasoning effort。開発元の評価で、独立検証や臨床性能の評価ではない。
評価は変異の影響予測、配列の理解、次の塩基の予測を測る5種類で、平均66.7%（思考オフ）でした。ベースのQwen3-14Bから27ポイント上がり、評価した公開モデルの中で最上位です。開発元は、フロンティアモデルのGPT-6.1 Sol（平均67.5%）に近い水準を、問題あたりの推論コストで約1/1,800で達成したと説明します。重みはbfloat16で80GBのGPU1枚に収まり、機密性の高い配列を外部に送らず自前の計算機で解析できます。ClinVarの変異260万件の解析を約300ドルで実行できる一方、評価したフロンティアモデルでは3.2万〜400万ドルかかるという費用試算も公表されました（開発元の推定）。
共同研究はHugging Faceのほか、中国の中関村学院と、イタリアのテレトン遺伝医学研究所（TIGEM）／ナポリ大学フェデリコ2世の研究チームです。使い方には制約が付きます。モデルカードは「臨床検証されておらず、医療の判断に使うべきでない」と明記し、塩基の数え間違いや座標の混同、長い配列の生成の品質劣化、スプライス部位（29.8%）やヒストンマーク（34.6%）の弱さを挙げています。正確な位置指定や編集はコードで行い、モデルは参照渡しで使うことが開発元の推奨です。公開日付は米国時間の10月22日で、Wiredが報じたのと同じ日にモデルの更新がHubに反映されました。
出典
- Hugging Face Hub「HuggingFaceBio/Carbon-X」モデルカード仕様（14.8B、40層、語彙157,184）、ハイブリッドトークナイザー（6-mer 4,096等）、302Bトークンの中間学習、コンテキスト40,960、Apache 2.0、5ベンチマークの評価表（平均66.7%、GPT-6.1 Sol 67.5%）、80GB GPU 1枚、臨床未検証の制約、共同研究機関。2026年10月23日に本文確認。
- Wired「Hugging Face's New AI Model Lets You Chat With DNA」2026年10月22日06:00 ET公開。公開日の確認、Zhongguancun Academyとナポリ大学との共同開発、タンストール氏の発言（DNAと会話、ウイルス配列を学習しない、約5万塩基対の入力制限、湿式実験での検証は未実施）。2026年10月23日に本文確認。
出典の確認日 2026.10.23