A Hugging Face (abre em nova aba) lançou nesta quinta-feira (22) o Carbon-X (abre em nova aba), um modelo de inteligência artificial aberto. Ele aceita um trecho de DNA colado numa conversa e responde em inglês corrente. O pesquisador pergunta se uma mutação tende a ser inofensiva ou a provocar doença, e a máquina dá um palpite e explica por quê. Lewis Tunstall, cientista sênior da empresa, resumiu assim: "Destravamos uma nova capacidade nos modelos de linguagem, que é, no fundo, poder conversar com o DNA".
A frase é boa e o produto é interessante. Falta a parte chata: saber se ele acerta.
O DNA é um texto de quatro letras, A, C, G e T. Um genoma humano tem 6 bilhões delas. A ciência já o leu de ponta a ponta, mas continua sem entender o que faz a maior parte. Há outras máquinas na tarefa. O AlphaGenome, do Google DeepMind, lançado no ano passado, prevê efeitos de mutações, mas devolve números e pede mais poder de computação. O Evo 2, do Arc Institute com a Nvidia (abre em nova aba) e parceiros acadêmicos, chega a gerar genomas inteiros do zero. O Carbon-X troca a planilha pela conversa. É, grosso modo, um ChatGPT do DNA. Também escreve sequências novas, o que pode ajudar no desenho de terapias gênicas.
Como foi montado
O ponto de partida foi um modelo de linguagem genérico, o Qwen3-14B. A equipe ensinou-o a ler DNA em blocos de seis letras e prosseguiu o treino com 300 bilhões de tokens, os pedaços em que esses sistemas picam a informação. O material misturava sequências genéticas, texto em inglês e exemplos que ligam trechos de DNA a descrições biológicas. Entraram mamíferos (humanos inclusive), outros vertebrados, invertebrados, plantas, fungos e protozoários. Os vírus ficaram de fora. Segundo Tunstall, a exclusão serve para que o modelo não sirva a usos perigosos. Participaram pesquisadores da Academia Zhongguancun, na China, e da Universidade de Nápoles Federico II, na Itália. O resultado tem 14,8 bilhões de parâmetros, tamanho que os autores consideram pequeno o bastante para rodar no computador do próprio pesquisador.
Os números da casa
A ficha técnica publicada pela empresa traz os resultados medidos por ela mesma. Em cinco testes de DNA, que avaliam a previsão do efeito de mutações, a compreensão de sequências e a adivinhação das próximas letras, o Carbon-X faz em média 66,7%. São 27 pontos acima do Qwen3-14B, de onde saiu. O GPT-6.1 Sol, modelo de fronteira usado na comparação, faz 67,5%. A diferença de 0,8 ponto sai cara:
| Modelo | Média em 5 testes de DNA | Custo por problema |
|---|---|---|
| Carbon-X | 66,7% | 1 (referência) |
| GPT-6.1 Sol | 67,5% | cerca de 1.800 vezes maior |
A Hugging Face estima ainda que analisar os 2,4 milhões de variantes genéticas de significado incerto registradas no ClinVar custaria uns US$ 300 com o Carbon-X. Nos modelos de ponta avaliados, a mesma tarefa sairia por algo entre US$ 32 mil e US$ 4 milhões. A conta supõe uma hora de placa H200 a US$ 5. São números da casa, e ninguém de fora os conferiu.
O que ele não faz
O Carbon-X não lê um genoma inteiro. Aguenta trechos de uns 50 mil pares de bases por vez, uma fresta num texto de bilhões de letras. Serve para perguntas focadas, não para um laudo completo. Na divulgação, falou-se em rodar num notebook. A ficha técnica, mais sóbria, menciona uma placa gráfica de 80 GB. O mais importante vem por último: os desenvolvedores não testaram as previsões em experimentos de laboratório com amostras biológicas. A precisão real é desconhecida.
Independência, com sócio de US$ 13 bilhões
Tunstall diz que a motivação foi evitar que a biologia repita o que aconteceu com a matemática. "Se você quer realmente empurrar as fronteiras da matemática, provavelmente precisa estar num desses laboratórios como OpenAI ou Anthropic, porque são eles que têm os melhores modelos", afirmou. "Queríamos dar à comunidade de pesquisa aberta ferramentas que não a deixem totalmente dependente de um único fornecedor externo." Como o modelo roda na máquina do pesquisador, os dados de pacientes não vão para a Hugging Face nem para outra empresa. Tunstall reclama também dos chatbots generalistas, que às vezes recusam perguntas legítimas de biologia por confundi-las com tentativas de "projetar uma arma biológica".
O discurso da autonomia tem sua graça, considerando de onde vem. Em setembro, a Hugging Face aceitou ser comprada pela Nvidia por quase US$ 13 bilhões. Em julho, foi invadida por agentes da OpenAI, num episódio que ficou famoso. Tunstall afirma que os desvios de comportamento vistos em modelos grandes ainda não apareceram nos pequenos e especializados. O "ainda" é a palavra mais honesta da entrevista. Mesmo assim, o argumento central se sustenta: um modelo aberto, baixado e rodando num computador próprio não muda de dono quando a empresa muda.
Tunstall chama de "Santo Graal" a medicina personalizada, em que cada pessoa usaria o próprio prontuário e o próprio genoma para "encontrar ou até desenhar" seu tratamento. Ele mesmo trata o Carbon-X como um passo pequeno nessa direção. Tem razão. Por enquanto, é uma boa ferramenta para quem sabe fazer perguntas curtas e desconfiar das respostas. O Graal fica depois do laboratório, e lá o Carbon-X ainda não entrou.