07 · Tema 7 de 7 · máx. 895 views frio (calor 1 de 5; máx. 895 views)
Equipe apresenta Carbon-X para interpretar DNA em linguagem comum
Calor: o quanto o assunto está em alta no mercado agora, não opinião da redação.

Em 22/10, às 16h04 BRT, Thomas Wolf apresentou o Carbon-X, uma IA aberta de 14 bilhões de parâmetros, as configurações aprendidas durante o treinamento, para interpretar sequências de DNA e explicar conclusões em linguagem comum. Ele atribui o desenvolvimento a uma parceria com TIGEM, Universidade de Nápoles Federico II e Zhongguancun Academy. Segundo o integrante da equipe, os arquivos estão abertos e o programa pode funcionar em um notebook. As comparações de desempenho são da própria equipe; arquivos, licença e requisitos não foram confirmados na página oficial, e o anúncio não estabelece validação para diagnóstico clínico.
Fonte oficialArquivos indicados pela equipe (abre em nova aba)Apresentação indicada pela equipe (abre em nova aba)

Post âncora
CONFIRMADOThomas Wolf — integrante da equipe
Thomas Wolf apresenta Carbon-X para interpretar sequências de DNA
@Thom_Wolf ·
Thomas Wolf apresenta uma IA aberta de 14B parâmetros para interpretar DNA e explicar resultados em linguagem comum. Ele relata 67% nas avaliações de DNA da própria equipe e diz que o programa funciona em um notebook.
Enquanto eu escrevia isto, meu assistente de IA foi interrompido por um filtro de biossegurança. Ele estava resumindo as anotações da minha própria equipe sobre o modelo que lançamos hoje 😅
Os laboratórios de ponta estão avançando rapidamente na biologia, mas os cientistas e profissionais clínicos que mais poderiam se beneficiar desses modelos infelizmente são os que esbarram em barreiras como essa, todos os dias.
Por isso, fizemos uma parceria com TIGEM (Telethon Institute of Genetics and Medicine), Universidade de Nápoles "Federico II" e Zhongguancun Academy para treinar Carbon-X.
Carbon-X é um modelo aberto de 14B que lê DNA bruto e fala sobre ele em inglês simples. Nas nossas avaliações de DNA, ele alcança 67%, contra 61% do Claude Opus 5.5 e 50% do Gemini 4 Argon, e fica a menos de um ponto do GPT-6.1 Sol com um custo cerca de 1000x menor.
Deixamos vírus humanos e animais fora dos dados de treinamento. Os pesos são abertos e o modelo funciona em equipamentos acessíveis ao meio acadêmico, um notebook.
Um exemplo do blog: dê a modelos de ponta um trecho de 8kb do gene NF1 com uma mutação em um sítio de splicing. A maioria o classifica como benigno, se recusa a responder ou esgota os tokens. Carbon-X diz que é patogênico, porque a mutação rompe o sítio de splicing.
Neste século, a biologia pode ser a área em que a IA mais importa. Queremos chegar lá com o trabalho de segurança feito de forma aberta e com todos os laboratórios do mundo podendo construir a partir dele. Experimente e nos conte o que encontrar.
Modelo: https://t.co/ksptAoIJGW Blog:
Ver original (texto do post como foi publicado)
While I was writing this, my AI assistant got cut off by a bio safety filter. It was summarizing my own team's notes on the model we released today 😅
Frontier labs are moving fast into biology but the scientists and clinicians who'd get the most out of these models are unfortunately the ones running into walls like this one (and every day).
So we partnered with TIGEM (Telethon Institute of Genetics and Medicine), Naple "Federico II" University and Zhongguancun Academy to train Carbon-X.
Carbon-X is an open 14B model that reads raw DNA and talks about it in plain English. On our DNA benchmarks it scores 67%, vs 61% for Claude Opus 5.5 and 50% for Gemini 4 Argon, and its within a point of GPT-6.1 Sol at about 1000x lower cost.
We kept human and animal viruses out of the training data. The weights are open and the model runs on hardware accessible to academia (a laptop).
One example from the blog: give frontier models an 8kb stretch of the NF1 gene with a mutation at a splice site. Most of them call it benign, refuse, or run out of tokens. Carbon-X says pathogenic, because the mutation breaks the splice site.
This century, biology may be where AI matters most. We want to get there with the safety work done in the open and every lab in the world able to build on it. Go try it, and tell us what you find.
Model: https://t.co/ksptAoIJGW Blog: