Hugging Face lanzó el 22 de octubre de 2026 Carbon-X, un modelo abierto que permite hacer preguntas sobre fragmentos de ADN y recibir respuestas en lenguaje natural. Está dirigido a la investigación genética: ofrece predicciones sobre los efectos de mutaciones y explicaciones de sus respuestas, aunque todavía carece de validación clínica.
El proyecto reúne a investigadores de Hugging Face, Zhongguancun Academy, en China, y el Telethon Institute of Genetics and Medicine y la Universidad de Nápoles Federico II, en Italia. Los pesos del modelo están disponibles bajo licencia Apache 2.0.
Según su ficha técnica, Carbon-X tiene 14,800 millones de parámetros y parte de Qwen3-14B. El equipo amplió su vocabulario para representar ADN en grupos de seis bases y continuó el entrenamiento con 302,000 millones de tokens, las unidades que procesa el modelo. La mezcla incluyó secuencias genéticas, literatura biológica, texto en inglés y ejemplos de instrucciones.
ADN y texto pasan por un mismo modelo. Un investigador puede introducir una secuencia, preguntar por una variante genética y obtener una predicción acompañada de una explicación en inglés. El sistema también aborda preguntas sobre regiones que regulan la actividad de los genes y tareas de continuación de secuencias.
Introducing Carbon-X: The best open DNA model.
— Loubna Ben Allal (@LoubnaBenAllal1) October 22, 2026
We midtrained a 14B model on DNA and text, and it beats every open language model and matches GPT-6.1 Sol at 1,000x lower cost.
Ask it about a sequence, what a mutation does, or to generate new DNA.https://t.co/cpZCkEHHmn pic.twitter.com/QFHlXEMF0O
Qué respaldan las pruebas de Carbon-X
Los desarrolladores publicaron resultados en cinco pruebas computacionales. En BioReason Coding, que contiene 1,018 variantes de regiones del ADN que codifican proteínas, Carbon-X obtuvo un 74.9 % de exactitud equilibrada al clasificarlas como benignas o patogénicas. Esa métrica da el mismo peso a ambas clases.
Se trata de una evaluación publicada por el propio equipo. Wired informó que los desarrolladores todavía no han validado sus predicciones mediante experimentos de laboratorio. La ficha, por su parte, descarta su uso para tomar decisiones médicas.
Las limitaciones afectan también al trabajo con las secuencias. El modelo puede contar mal las bases, confundir posiciones o atribuir una identidad o función inventada a un fragmento cuando falta contexto. Sus autores advierten además que la calidad cae al generar cadenas largas de ADN y precisan que no fue entrenado para diseñar secuencias nuevas.
Las instrucciones sobre el uso en laptops se contradicen
El anuncio oficial presenta una demostración en una MacBook y afirma que Carbon-X funciona con llama.cpp, un programa para ejecutar modelos localmente. La ficha técnica dice lo contrario: declara que llama.cpp y otros entornos GGUF carecen de soporte porque no pueden cargar el componente que divide el ADN en unidades para el modelo.
Esa misma ficha documenta el uso con Transformers o vLLM y señala que los pesos en formato bfloat16 caben en una GPU con 80 GB de memoria. Las dos descripciones dejan sin aclarar qué configuración para laptops está respaldada por las instrucciones del lanzamiento.
La ejecución íntegra en infraestructura propia permite mantener allí las secuencias sensibles. Al usar una API, una demo o un proveedor externo, el tratamiento de esos datos depende del servicio elegido, como advierte la propia documentación del modelo.
