허깅페이스, DNA·자연어 함께 처리하는 148억 매개변수 모델 공개

서도윤 기자 2026.10.26 04:36

허깅페이스 연구팀이 DNA 서열과 자연어를 함께 처리하는 카본X를 공개했다. 자체 벤치마크 5개 평균은 66.7%였지만 임상·실험실 검증은 이뤄지지 않았다.

토포AI로 이 기사 더 깊이 읽기

허깅페이스 연구팀은 2026년 10월 22일 DNA 서열과 자연어를 함께 처리하는 148억 매개변수 모델 ‘카본X(Carbon-X)’를 공개했다. DNA 서열의 변이 효과나 특성을 묻고 영어로 답을 받는 연구용 모델이다.

허깅페이스 모델 카드는 카본X가 DNA 서열과 일반 문장을 한 대화 안에서 처리한다고 설명한다. 변이 효과 예측, 서열 특성 질문, 생물 분류, 다음 DNA 염기 예측을 지원한다.

카본X는 알리바바의 큐원3-14B를 바탕으로 개발됐다. DNA를 염기 6개 단위로 처리하도록 토큰을 추가하고 DNA, 생물학 문헌, 영어 문장, 지시 데이터 등을 포함한 3020억개 토큰으로 중간 학습했다.

이는 기존 언어 모델에 DNA 서열을 다루는 기능을 더한 사례다. 본지는 앞서 큐원 계열 파생 모델이 11만3000개를 넘고, 관련 태그 모델은 20만개를 넘어섰다고 전한 바 있다.

허깅페이스가 제시한 DNA 벤치마크 5개 평균 점수는 66.7%다. 비교표에서 GPT-6.1 Sol은 67.5%를 기록했다.

두 점수는 평가 조건이 달라 직접 비교에 주의가 필요하다. 카본X는 추론 기능을 끄고 문제당 한 번 평가됐으며, 비교 모델은 각 모델에서 가장 높은 평균 점수를 낸 추론 설정을 기준으로 했다.

벤치마크 가운데 FrontierVEP와 NextBase는 개발팀이 직접 구축했다. 결과는 개발팀 자체 평가이며 독립적으로 재현된 결과는 확인되지 않았다.

가중치는 아파치 2.0 라이선스로 공개됐다. 허깅페이스는 bfloat16 형식의 가중치가 80GB GPU 한 대에 들어간다고 설명했다.

자체 장비에서 모델을 실행하면 유전 데이터를 외부 서비스에 보내지 않고 분석할 수 있다. API나 호스팅 데모를 이용할 때의 데이터 처리 방식은 서비스 제공자에 따라 달라진다.

WIRED는 카본X가 약 5만 염기쌍 규모의 DNA 서열을 처리하도록 학습돼 인간 전체 유전체를 입력할 수 없다고 보도했다. 모델 카드에는 정확한 염기 위치 계산이나 서열 조작에서 오류가 날 수 있고, 입력 맥락이 부족하면 서열의 정체나 기능을 추측할 수 있다고 기재돼 있다.

연구에는 중국 중관촌학원(Zhongguancun Academy), 이탈리아 Telethon Institute of Genetics and Medicine와 나폴리 페데리코 2세 대학교 연구팀이 참여했다.

허깅페이스는 카본X가 임상 검증을 거치지 않았으며 의료 결정에 사용해서는 안 된다고 명시했다. 실험실에서 예측 결과를 검증하는 작업도 이뤄지지 않았다.