Hugging Face, DNA ve doğal dili birlikte işleyen 14,8 milyar parametreli modeli tanıttı

Hugging Face araştırma ekibi, DNA dizilerini ve doğal dili birlikte işleyen 14,8 milyar parametreli Carbon-X modelini 22 Ekim 2026’da tanıttı. Araştırma amaçlı model, DNA dizilerindeki mutasyonların etkisi veya özellikleri hakkında soruları yanıtlıyor.

Hugging Face’in model kartına göre Carbon-X, DNA dizilerini ve sıradan metinleri tek bir konuşma içinde işleyebiliyor. Model; mutasyon etkisi tahmini, dizi özellikleri hakkında soru yanıtlama, biyolojik sınıflandırma ve sonraki DNA bazını tahmin etme görevlerini destekliyor.

Carbon-X, Alibaba’nın Qwen3-14B modeli temel alınarak geliştirildi. DNA’yı altı bazlık birimler halinde işlemesi için modele yeni token’lar eklendi. Ardından DNA, biyoloji literatürü, İngilizce metinler ve talimat verilerinden oluşan 302 milyar token ile ara eğitim yapıldı.

Bu çalışma, mevcut bir dil modeline DNA dizilerini işleme yeteneği eklenmesine örnek oluşturuyor. TokenPost daha önce Qwen ailesinden türetilen modellerin sayısının 113 bini, ilgili etiketli modellerin sayısının ise 200 bini aştığını bildirmişti.

Hugging Face’in paylaştığı beş DNA kıyaslama testinin ortalama puanı yüzde 66,7 oldu. Karşılaştırma tablosunda GPT-6.1 Sol yüzde 67,5 puan aldı.

Değerlendirme koşulları farklı olduğundan iki puanı doğrudan karşılaştırırken dikkatli olmak gerekiyor. Carbon-X, akıl yürütme özelliği kapalı olarak her soru için bir kez değerlendirildi. Karşılaştırılan modellerde ise her modelin en yüksek ortalama puanı aldığı akıl yürütme ayarı kullanıldı.

Kıyaslama testlerinden FrontierVEP ve NextBase, geliştirme ekibi tarafından oluşturuldu. Sonuçlar ekibin kendi değerlendirmesine dayanıyor; bağımsız olarak yeniden üretildikleri doğrulanmadı.

Model ağırlıkları Apache 2.0 lisansı altında yayımlandı. Hugging Face, bfloat16 biçimindeki ağırlıkların 80 GB’lık tek bir GPU’ya sığdığını belirtti.

Modeli kendi donanımında çalıştırmak, genetik verileri harici bir hizmete göndermeden analiz etmeyi mümkün kılıyor. API veya barındırılan demo kullanıldığında verilerin nasıl işlendiği ise hizmet sağlayıcısına göre değişiyor.

WIRED’ın haberine göre Carbon-X, yaklaşık 50 bin baz çifti büyüklüğündeki DNA dizilerini işleyecek şekilde eğitildi; bu nedenle insan genomunun tamamı modele girdi olarak verilemiyor. Model kartında, baz konumlarını tam hesaplama veya dizileri değiştirme işlemlerinde hata oluşabileceği belirtiliyor. Ayrıca bağlam yetersiz olduğunda model dizinin kimliğini ya da işlevini tahmin edebiliyor.

Araştırmaya Çin’deki Zhongguancun Academy, İtalya’daki Telethon Institute of Genetics and Medicine ve Napoli Federico II Üniversitesi’nden araştırmacılar katıldı.

Hugging Face, Carbon-X’in klinik doğrulamadan geçmediğini ve tıbbi kararlarda kullanılmaması gerektiğini belirtti. Modelin laboratuvarda tahmin sonuçlarını doğrulamaya yönelik bir çalışması da yapılmadı.