허깅페이스, DNA와 대화하는 오픈 모델 'Carbon-X' 공개… 14.8B로 로컬 실행
좋은 아침입니다! 오늘 아침 AI 소식은 허깅페이스가 내놓은 생명과학 모델입니다.
허깅페이스(Hugging Face)의 생물학 연구팀 HuggingFaceBio가 10월 22일(현지 시간) DNA 서열과 자연어를 함께 이해하는 오픈 모델 'Carbon-X'를 공개했습니다. 채팅창에 DNA 서열을 그대로 넣고 질문하면, 해당 변이가 양성인지 병원성인지 같은 내용을 대화 형태로 답해 줍니다. 중국 중관춘 아카데미, 이탈리아 나폴리 페데리코 2세 대학 연구진과 함께 개발했습니다.
핵심 포인트
- DNA와 텍스트를 한 모델에서 처리: 별도의 DNA 인코더 없이, DNA를 6글자(6-mer) 단위 토큰으로 읽는 하이브리드 토크나이저를 씁니다.
- 14.8B 파라미터, Qwen3-14B 기반: DNA, 생물학 텍스트, 영어 데이터 등 약 3,020억 토큰으로 추가 학습한 뒤 미세조정과 강화학습을 거쳤습니다.
- 할 수 있는 일: 변이의 양성/병원성 예측, 유전자 활동을 조절하는 영역 식별, 생물군 분류, 다음 염기 예측, 그리고 판단 근거 설명.
- 성능과 비용: 5개 DNA 벤치마크 평균 66.7%로, 출발점인 Qwen3-14B보다 27%p 높고 GPT-6.1 Sol(67.5%)에 근접하면서 문제당 추론 비용은 약 1,800분의 1 수준이라고 밝혔습니다.
- 로컬 실행: bfloat16 기준 80GB GPU 한 장에 들어가며, llama.cpp용 GGUF 양자화 버전(Q4_K_M 약 9.6GB)도 함께 공개됐습니다. 라이선스는 Apache 2.0입니다.
- 안전장치와 한계: 위험한 용도를 막기 위해 바이러스 서열은 학습에서 뺐고, 아직 실제 실험실 검증은 거치지 않았다고 합니다.
왜 중요한가
환자 유전체 같은 민감한 데이터는 외부 클라우드 AI에 올리기 어렵습니다. Carbon-X는 연구 기관이 자체 장비에서 돌릴 수 있는 크기로 만들어져, 데이터를 밖으로 보내지 않고도 변이 해석을 시도할 수 있습니다. 개발진은 ClinVar의 '의미 불확실 변이' 240만 건을 분석하는 데 Carbon-X로는 약 300달러면 충분하다고 추산했는데, 비교한 프런티어 모델로는 3만 2천 달러에서 400만 달러가 든다고 합니다. 다만 실험 검증 전이므로 당분간은 연구 보조 도구로 보는 것이 맞습니다.
출처