Hugging Face, DNA'yı doğal dille birleştiren açık modeli Carbon-X'i yayınladı

Hugging Face, DNA dizilerini okuyup İngilizce yanıt veren 14,8 milyar parametreli açık DNA dil modeli Carbon-X'i yayınladı. Hugging Face Bio tarafından geliştirilen model, sözlü sohbet akışına benzer biçimde ham DNA dizilerini girdi olarak alıp doğal dilde yanıt üretiyor. Şirketin açıklamasına göre modelin ağırlıkları Apache 2.0 lisansıyla dağıtılıyor; bu da laboratuvarların hassas dizilerini kendi GPU'larında tutarak çalıştırabilmesi anlamına geliyor.

Carbon-X, Zhongguancun Academy ile TIGEM / University of Naples Federico II işbirliğiyle geliştirildi. Model, tek bir 80 GB GPU üzerinde bfloat16 hassasiyetinde vLLM ya da Transformers ile çalıştırılabiliyor. Hugging Face ayrıca modelin GGUF sürümlerini de yayınladı: Q8_0 sürümü 15,8 GB, Q4_K_M sürümü ise 9,6 GB yer kaplıyor. Model 40.960 token'lık bağlam penceresine sahip ve yoğun (dense) mimari kullanıyor; yani uzman karışımı (MoE) yapısı içermiyor.

Carbon-X ne yapabiliyor?

Model, DNA dizilerindeki mutasyonların zararsız mı yoksa patojen mi olduğunu tahmin ediyor, düzenleyici bölgeleri işaretliyor, organizmaları sınıflandırıyor ve bir sonraki bazı öngörüyor. Hugging Face'in paylaştığı verilere göre Carbon-X, 5 DNA kıyaslama testinde ortalama yüzde 66,7 başarı elde etti ve test edilen açık modeller arasında en iyi sonucu verdi. Bu puanlar şirketin kendi bildirdiği sonuçlardan oluşuyor.

Modelin en güçlü olduğu alan BioReason Coding oldu: yüzde 74,9 ile açık ya da kapalı, test edilen tüm modellerin önünde yer aldı. Carbon-X, NextBase testinde de yüzde 39,4 ile lider konumda. Buna karşılık en zayıf sonucu, splice-site sorularını içeren GenomeQA testindeki yüzde 29,8'lik başarı oldu. Hugging Face'in karşılaştırmasına göre model, Qwen3-14B'nin 27 puan önünde, GPT-6.1 Sol'un ise 0,8 puan gerisinde bulunuyor.

Model nasıl eğitildi?

Carbon-X, Qwen3-14B modeli üzerine inşa edildi. DNA ve metin, tek bir kod çözücüde ve tek bir token akışında birleştiriliyor; önceki çalışmalardan farklı olarak ayrı bir DNA kodlayıcısı kullanılmıyor. Model kartına göre eğitim dört aşamada gerçekleştirildi: yalnızca yeni DNA gömme katmanlarının öğrendiği gömme ısınma aşaması (yaklaşık 10 milyar token), 302 milyar token'lık ara eğitim, üç dönemlik denetimli ince ayar (SFT) ve iki turda doğrulanabilir ödüllerle yürütülen pekiştirmeli öğrenme (RL).

Hugging Face'in paylaştığı bilgilere göre süreçte en zor ayar öğrenme hızıydı. Yüksek öğrenme hızında model DNA'yı öğrenirken İngilizceyi unutuyordu; daha düşük bir hız, 14 milyar parametreli model ve uzun bir eğitim bu dengeyi düzeltti. Doğrudan Qwen3-14B üzerine uygulanan pekiştirmeli öğrenme ise FrontierVEP testinde yüzde 50'lik şans eşiğini hiçbir zaman geçemedi.

Maliyeti ve kullanım seçenekleri

Hugging Face, Carbon-X için bir H200 üzerinde ölçülen işlem hızına dayanarak saat başına 5 dolar maliyet biçiyor. Şirketin bu hesaba göre bildirdiğine göre model, GPT-6.1 Sol'a kıyasla problem başına yaklaşık 1/1.800 oranında çıkarım maliyeti sunuyor. Belirsiz öneme sahip 2,4 milyon ClinVar varyantının puanlanması Carbon-X ile yaklaşık 300 dolar tutuyor; aynı işin öncü modellerde 32 bin ila 4 milyon dolar arasında maliyet oluşturduğu belirtiliyor.

Model aynı zamanda bir alt ajan olarak da kullanılabiliyor. Hugging Face'in aktardığına göre Kimi K3'ün DNA endeksi, Carbon-X'e danıştığında yüzde 49,4'ten yüzde 60,5'e yükseldi. Carbon-X, vLLM ve Transformers'ın yanı sıra llama.cpp üzerinden de çalıştırılabiliyor; ancak resmi Carbon-X-GGUF deposu için llama.cpp'nin b11742 ya da daha yeni bir sürümü gerekiyor. Daha eski sürümler DNA'yı yanlış tokenize ediyor. Depoda ayrıca OpenAI tarzı bir araç, bir Inspect ajanı ve kodlama ajanları için carbon-dna becerisi yer alıyor.

Neden önemli?

Carbon-X'in açık lisansla yayınlanması, genomik verilerle çalışan araştırma laboratuvarlarının hassas dizileri bulut hizmetlerine göndermeden kendi donanımlarında model çalıştırabilmesine olanak tanıyor. Hugging Face'in kendi bildirdiği maliyet karşılaştırması, büyük ölçekli varyant analizlerinde açık modellerin kapalı öncü modellere kıyasla ciddi bir maliyet avantajı sunabileceğine işaret ediyor. Bununla birlikte şirket, modelin klinik olarak doğrulanmadığını açıkça belirtiyor; yani sonuçlar tıbbi karar süreçlerinde tek başına kullanılmamalı.

Carbon-X'in Türkiye'deki kullanıcılar için ne zaman erişime açılacağına ya da Türkçe desteğine ilişkin bir açıklama yapılmadı. Model ağırlıklarına ve kullanım kılavuzuna Hugging Face üzerinden erişilebiliyor.