Hugging Face puso a disposición de forma libre Carbon-X, un modelo de inteligencia artificial que permite pegar una secuencia de ADN en una ventana de chat y recibir una explicación en inglés, sin fórmulas ni gráficos. El lanzamiento busca que personas sin formación técnica en bioinformática puedan consultar datos genéticos, algo que hasta ahora requería herramientas especializadas.

El desarrollo es obra conjunta de Hugging Face con investigadores de la Academia Zhongguancun (China), el Instituto Telethon de Genética y Medicina (Italia) y la Universidad Federico II de Nápoles. El modelo tiene 14.800 millones de parámetros y se entrenó con 302.000 millones de fragmentos de texto que mezclan secuencias genéticas, papers científicos e instrucciones en inglés.

“Hemos desbloqueado una nueva capacidad en los modelos de lenguaje, que consiste en poder conversar con el ADN”, resumió Lewis Tunstall, científico investigador senior de Hugging Face. Según el especialista, el lenguaje natural abre la puerta a que usuarios sin entrenamiento específico consulten información genética de una manera que las herramientas tradicionales no permitían.

Qué puede hacer y qué no

Entre sus funciones, Carbon-X puede estimar si una mutación es benigna o está vinculada a una enfermedad, detectar qué zonas de una secuencia regulan la actividad de un gen, ordenar fragmentos de ADN según el organismo del que provienen y anticipar las bases que siguen en una cadena. Acepta consultas de hasta 50.000 pares de bases, muy lejos de los 6.000 millones que componen un genoma humano completo.

El punto débil está en la validación: Hugging Face advirtió que el sistema todavía no pasó por experimentos de laboratorio, por lo que no puede garantizarse la exactitud de sus predicciones y no debe usarse para tomar decisiones médicas.

Una placa gráfica y datos que no salen del equipo

El equipo partió de Qwen3-14B, un modelo de lenguaje de Alibaba, y le amplió el vocabulario para que pudiera leer ADN en bloques de seis letras. Los pesos del sistema entran en una única placa gráfica de 80 gigabytes, lo que le permite correr en la computadora del propio investigador sin depender de la nube.

La decisión responde a un problema concreto: subir datos genéticos identificables o de pacientes a servidores de terceros suele estar restringido. Al funcionar de manera local, ninguna información sale del equipo del usuario hacia Hugging Face ni hacia otra empresa, precisó Tunstall.

Los desarrolladores dejaron fuera del entrenamiento a los virus de forma deliberada. El objetivo, explicó Tunstall, fue reducir el riesgo de usos dañinos, un problema que también afecta a los chatbots generales, que a veces rechazan preguntas legítimas de biología por confundirlas con intentos de fabricar armas.

Precisión cercana a los gigantes, a una fracción del costo

En cinco pruebas comparativas sobre predicción de mutaciones y reconocimiento de secuencias, Carbon-X promedió un 66,7% de aciertos, apenas por debajo del 67,5% que Hugging Face le atribuye a GPT-6.1 Sol, un modelo bastante más grande.

La diferencia aparece en el bolsillo. Analizar con Carbon-X las 2,4 millones de variantes de significado incierto registradas en ClinVar costaría alrededor de USD 300. Con los modelos de mayor escala evaluados, el mismo trabajo saldría entre USD 32.000 y USD 4 millones, según los cálculos difundidos junto al modelo.

Carbon-X no es el único intento de acercar el ADN a un formato más accesible. El año pasado, Google DeepMind presentó AlphaGenome, que predice el efecto de mutaciones pero en formato numérico y con mayor demanda de cómputo. Evo 2, del Arc Institute junto con Nvidia y socios académicos, también procesa el ADN como si fuera un idioma. La diferencia de Carbon-X pasa por combinar lenguaje natural, ejecución local y un costo bajo: el desafío pendiente es demostrar en el laboratorio que sus respuestas resisten la prueba de los experimentos.