Hugging Face ha rilasciato Carbon-X, un modello open source da 14 miliardi di parametri che permette di fare domande sul DNA in linguaggio naturale. Il ricercatore fornisce una sequenza genetica e chiede, per esempio, se una mutazione possa aumentare il rischio di una malattia. Il modello risponde con previsioni e spiegazioni e può anche generare nuove sequenze, utili per lo sviluppo di terapie geniche.
Il modello è stato sviluppato con ricercatori della Zhongguancun Academy in Cina e dell’Università di Napoli Federico II. È partito da un modello linguistico esistente, a cui il team ha ampliato il vocabolario perché leggesse il DNA in gruppi di sei lettere. Poi lo ha addestrato su 300 miliardi di token, che mescolano sequenze genetiche, testo inglese ed esempi che collegano geni e descrizioni biologiche. I virus sono stati esclusi dall’addestramento: Lewis Tunstall, senior research scientist di Hugging Face, ha spiegato di voler evitare applicazioni potenzialmente pericolose.
Sui benchmark i numeri sono quelli dichiarati dal team. Secondo i ricercatori di Hugging Face, su cinque test di comprensione e generazione del DNA Carbon-X supera tutti i modelli linguistici aperti valutati, con un miglioramento di 27 punti rispetto a Qwen3-14B. Si avvicina a GPT-6.1 Sol a un costo di inferenza oltre mille volte inferiore. Sono misure interne, non verifiche indipendenti.
Il campo è già affollato. Lo scorso anno Google DeepMind ha rilasciato AlphaGenome, che prevede gli effetti delle mutazioni in forma numerica e richiede più potenza di calcolo. Evo 2, sviluppato da Arc Institute e Nvidia con partner accademici, lavora direttamente sul DNA e può generare interi genomi da zero. Carbon-X occupa un’altra posizione: è una chat, e Tunstall sostiene che gli utenti non tecnici possano porre domande che con altri strumenti non sarebbero accessibili. Tra gli usi indicati c’è anche l’interpretazione del proprio genoma da parte dei pazienti, per ora solo una possibilità e non un beneficio dimostrato.
Il modello gira in locale, anche su un laptop, e questo evita di inviare dati genetici identificativi a server esterni. I limiti sono due. Ogni richiesta copre circa 50.000 paia di basi, quindi non un genoma umano completo. E gli sviluppatori hanno dichiarato che le previsioni non sono state testate in esperimenti di laboratorio: accuratezza e valore clinico restano da dimostrare.
La mossa arriva mentre Hugging Face è al centro dell’attenzione per la vicenda dell’acquisizione da parte di Nvidia, vicina ai 13 miliardi di dollari. Se la validazione sperimentale confermerà i risultati dei benchmark, i modelli aperti per la genomica potrebbero entrare nei laboratori più piccoli, che non dispongono dei cluster necessari per i sistemi più pesanti.
