Carbon-X: 14B-Modell für DNA und Sprache, lokal mit llama.cpp

Worum es geht

Das Team HuggingFaceBio hat Carbon-X veröffentlicht, ein Modell mit 14 Mrd. Parametern, das DNA und natürliche Sprache kombiniert. Es entstand durch Midtraining von Qwen3 14B auf einer Mischung aus DNA- und Textdaten. Nutzer können Fragen zu DNA-Sequenzen in normalem Englisch stellen, Mutationseffekte vorhersagen oder neue DNA generieren.

Die wichtigsten Fakten

• Basis: Qwen3 14B, Midtraining plus RL-Rezept mit neuem hybriden Tokenizer.
• Laut Autoren schlägt es auf fünf DNA-Benchmarks alle getesteten offenen Sprachmodelle und erreicht das Niveau von GPT-6.1 Sol.
• Die Kosten sollen etwa 1.000-mal niedriger liegen (Herstellerangabe).
• Eine GGUF-Version für llama.cpp ist veröffentlicht.
• Blogpost beschreibt Midtraining- und RL-Rezept.
• Lizenz in der Quelle nicht genannt.
• Motivation: Biologiedaten sind sensibel, und Frontier-Modelle lehnen laut Autoren routinemäßige Genomik-Anfragen oft ab.

Einordnung

Für Bioinformatik-Forschende ist ein lokal lauffähiges Modell interessant, weil sensible Daten das eigene System nicht verlassen. Mit 14B und GGUF ist es auf Consumer-GPUs gut testbar. Die Benchmark-Angaben stammen von den Autoren selbst und sollten unabhängig überprüft werden.