HF 生物团队开源 Carbon-A：1.2B 模型直接从 DNA 找基因，一次挖出 5.66 亿个新候选
Hugging Face 生物研究团队 10 月 8 日发布 Carbon-A：一个 1.2B 参数模型，直接从 DNA 序列预测蛋白编码区。与按物种分别训练的基因预测器不同，同一个模型覆盖哺乳动物、其他脊椎动物、无脊椎动物、植物、真菌与原生生物，工作在 98,304 个碱基对（约 98kb）的上下文窗口上，输出碱基分辨率、双链同时给出的预测。
用这个模型跑全库的结果是 5.66 亿个新基因候选，分布在 22,617 个物种上，其中数千个物种此前从未被研究过。团队与 Active Site、加州大学圣迭戈分校合作，在猫、鸡、拟南芥等研究充分的物种上验证了部分新基因，更多针对未研究基因组的湿实验结果将稍后放出。配套的 Carbon Annotation Database、模型、训练数据与技术报告已一并开放。
团队在博文里解释了为什么现在做生物：他们称看到主要 AI 实验室正把生物当成继网络安全与数学之后的下一个前沿，并判断 2027 会是生物之年；同时也提到依赖封闭前沿模型的风险——以纳维–斯托克斯争议与 Claude 拒绝正当生物学提问为例，认为要让科学家不依赖少数封闭实验室的优先级与政策，就必须有开放的模型与产出。
原文链接：Hugging Face 生物研究团队
核验记录
官方 HF 博文页直读 200（154,391 字节），JSON-LD datePublished 2026-10-08T15:13:19.857Z 与页内「October 8, 2026」双证；1.2B 参数、98,304 碱基上下文、5.66 亿候选、22,617 物种均为页内原文。权重仓 HuggingFaceBio/Carbon-A-1.2B 的 createdAt 为 2026-10-02（比博文早 6 天，正文按官方博文日计）。配图 5,995,920 字节 PNG 4800×2520，裸请求与带站内 Referer 双 200。
← 上一篇Google 的 AMIE 进《柳叶刀》：98 位患者先问 AI 再看医生，鉴别诊断与最终诊断 90% 吻合下一篇 →Goodfire 在 Kimi K3 与 GLM 5.3 上部署生产级网络监控：93% 召回、5.5% 假阳率，成本降到五十分之一