核心信息

Carbon-X 是一个结合 DNA 与自然语言的 14B 开源模型，在 3000 亿 token 的 DNA 与文本交错数据上中期训练，再经 SFT 与 RL，以 Apache 2.0 许可发布。

要点

  • 在 DNA 基准上超越所有测试过的开源语言模型，与 GPT-6.1 Sol 差距不到 1 分，推理成本低 1000 倍以上。
  • 采用新的混合分词器，编码 DNA 所用 token 比 BPE 少约 3 倍。
  • 可作为 DNA 专家子代理：Kimi K3 咨询它后提升 11.1 分。
  • 可通过 llama.cpp 在笔记本本地运行，DNA 数据留在本地硬件。