У ДНК всего четыре буквы: A, T, G и C. Казалось бы, алфавит проще некуда. Но попробуйте разобраться, почему замена одной буквы иногда ничего не меняет, а иногда приводит к серьёзному заболеванию.
Тут и у профессиональных генетиков голова может пойти кругом.
22 октября 2026 года Hugging Face представила Carbon-X — нейросеть, которой можно показать последовательность ДНК и задать вопрос обычным человеческим языком.
Например: «Что произойдёт, если заменить этот участок? Мутация безобидная или потенциально опасная?»
Carbon-X проанализирует последовательность, предложит ответ и объяснит, на чём основан её вывод. Правда, пока на английском.
Модель разработали совместно с исследователями китайской Zhongguancun Academy, итальянского института TIGEM и Неаполитанского университета имени Федерико II.
ChatGPT для генетиков, но с отдельным алфавитом
За основу взяли китайскую Qwen3-14B, расширили её словарь специальными обозначениями ДНК и продолжили обучение на генетических последовательностях, научных текстах и биологических задачах.
В результате получилась модель на 14,8 миллиарда параметров.
У обычной языковой нейросети цепочка вроде ATGGTGCATCTG — просто набор символов. Carbon-X научили обрабатывать ДНК блоками по шесть букв и связывать такие последовательности с биологическими знаниями.
Она может оценивать возможное влияние мутаций, находить участки, участвующие в регулировании активности генов, определять принадлежность последовательности к группам организмов и предсказывать следующие элементы цепочки.
И всё это в привычном формате диалога.
Исследователю больше не обязательно писать отдельную программу для каждого вопроса. Можно передать участок ДНК и попросить нейросеть объяснить, что она в нём обнаружила.
Конечно, доверять такому ответу без проверки — примерно как принимать диагноз от очень начитанного собеседника в интернете. Эрудиции много, медицинской ответственности пока никакой.
Почти догнала GPT-6.1 Sol. Причём без долгих раздумий
Разработчики проверили Carbon-X на пяти специализированных испытаниях, связанных с генетическими вариантами, особенностями последовательностей и предсказанием элементов ДНК.
Средний результат Carbon-X составил 66,7%, а GPT-6.1 Sol — 67,5%.
При этом Carbon-X отвечала без режима расширенного рассуждения, а для GPT-6.1 Sol использовали наиболее результативный режим из проверенных.
По отдельным задачам небольшая специализированная модель даже вышла вперёд. Например, при оценке изменений в кодирующих участках ДНК она получила 74,9% против 71% у GPT-6.1 Sol.
Это результаты испытаний самих разработчиков. Причём два из пяти тестов команда создала самостоятельно. Их нельзя превращать в утверждение, будто Carbon-X почти сравнялась с GPT во всех биологических вопросах.
Зато с вычислительными расходами картина интереснее.
По расчётам авторов, стоимость обработки одной задачи может оказаться примерно в 1800 раз ниже, чем у GPT-6.1 Sol.
Сравнение основано на цене API конкурирующих моделей и расчётной стоимости работы Carbon-X на ускорителе NVIDIA H200 по $5 в час. Это оценка для конкретных тестов, а не обещание такой экономии в любой лаборатории.
Узкая специализация позволяет модели обходиться без длинных рассуждений, за которые большие нейросети тоже расходуют вычислительные ресурсы.
Собственный геном — собственный сервер
Генетическая информация относится к самым чувствительным персональным данным. Отправлять её постороннему облачному сервису готовы далеко не все исследовательские организации.
Carbon-X можно запускать на собственной инфраструктуре.
Её веса уже опубликованы на Hugging Face под лицензией Apache 2.0, которая допускает коммерческое использование.
Для работы с исходной моделью через vLLM разработчики рекомендуют ускоритель с 80 ГБ видеопамяти.
Но есть вариант и для менее роскошного оборудования.
Команда опубликовала отдельные GGUF-сборки модели. Самая компактная занимает около 9,6 ГБ, а рекомендуемая восьмибитная — 15,8 ГБ.
Для них нужна свежая версия llama.cpp с поддержкой специального токенизатора Carbon-X. На старых сборках программа неправильно разбирает ДНК, а это уже совсем не та область, где стоит путать буквы.
Облегчённые версии требуют меньше памяти, хотя фактические требования зависят от настроек и длины обрабатываемой последовательности. Их точность также может отличаться от исходной модели.
И всё-таки не спешите загружать свой геном
Carbon-X пока не умеет надёжно анализировать целый человеческий геном за один запрос. Основное обучение проводилось на последовательностях длиной примерно до 49 тысяч пар оснований, тогда как человеческий геном содержит миллиарды.
Разработчики предупреждают, что нейросеть способна ошибаться при подсчёте оснований, путать координаты и придумывать объяснения, когда ей не хватает информации.
Особенно слабо она справляется с некоторыми задачами, связанными со сплайсингом и регуляцией генов.
Клинической проверки Carbon-X не проходила. Её предсказания ещё предстоит подтверждать экспериментами, поэтому использовать модель для самостоятельной диагностики или принятия медицинских решений нельзя.
Но для исследователей появился любопытный инструмент: генетическую последовательность теперь можно изучать через диалог, не передавая чувствительные данные внешнему поставщику ИИ.
Четыре буквы генетического алфавита нейросеть освоила. А вот до права выписывать медицинские заключения ей предстоит сдать куда больше экзаменов.