Hugging Face Bio a lancé Carbon, une famille de modèles génératifs open source destinée à prédire les effets des variations génétiques sur l’activité des gènes et la santé. Carbon-3B, modèle de 3 milliards de paramètres sorti fin mai 2026, est accompagné de Carbon-8B et Carbon-500M, tandis que Carbon-A, doté de 1,2 milliard de paramètres et publié le 8 octobre 2026, prédit directement les régions codantes pour les protéines. Entraînés sur environ 1 000 milliards d’unités issues de quelque 6 000 milliards de paires de bases d’ADN et d’ARN eucaryotes, les modèles affichent jusqu’à 275 fois le débit de traitement du modèle concurrent Evo2-7B sur certaines tâches. La base d’annotations Carbon contient environ 566 millions de loci codants pour les protéines prédits, soit environ 16 fois plus que RefSeq, et des expérimentations ont confirmé 239 candidats génétiques jusque-là non annotés chez le chat et la volaille. Tous les modèles et leurs outils sont publiés sous licence Apache 2.0, mais l’avantage de vitesse ne vaut que sur certaines tâches et la proportion des 566 millions de prédictions encore non validées expérimentalement demeure inconnue.
Source: Lire l’article original
