/ Модель

Характеристики

Контекст
1 048 576 токенов
Параметры
152 млн
Лицензия
Apache 2.0
Архитектура
ceno · MoE
Библиотека
transformers
Опубликована
20 авг 2026

CENO-300M-131k

Генерация текстаТекст → текст3 профессии

Базовая причинная модель CENO для генерации последовательностей ДНК, извлечения их эмбеддингов и адаптации к геномным задачам.

49скачиваний за 30 дней0лайковвеса обновлены20 авг 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

CENO-300M-131k — базовая модель семейства CENO, разработанная для работы с геномными последовательностями ДНК. Это причинная языковая модель с гибридной архитектурой Nemotron-H, объединяющей Mamba, attention и Mixture-of-Experts; она обрабатывает последовательности без входов MSA. Токенизатор посимвольный и сопоставляет основания ДНК их ASCII-кодам. В метаданных указано 151,5 млн параметров, а README называет модель чекпойнтом семейства размером 300M; обучающая длина контекста этого чекпойнта — 131 072 токена.

Модель предназначена для генерации геномных последовательностей и извлечения эмбеддингов, а также для последующей адаптации и исследования геномных задач. В README отдельно описаны MSA-чекпойнты семейства для предсказания эффектов вариантов; это не заявленная основная функция данного базового чекпойнта. Модель распространяется по лицензии Apache-2.0. Для загрузки в Transformers README указывает `trust_remote_code=True`, поскольку код модели включён в репозиторий.

Сценарии применения

  • генерация геномных последовательностей ДНК
  • извлечение эмбеддингов из последовательностей ДНК
  • подготовка базовой модели для дообучения на геномных задачах
  • исследование языкового моделирования геномных последовательностей

Ограничения

Чекпойнт обучен на последовательностях длиной 131 072 токена; это обучающая длина, а не жёсткий предел контекста. Для загрузки через Transformers требуется `trust_remote_code=True`; оценка эффектов вариантов описана для отдельных MSA-чекпойнтов семейства, а не как основное назначение этой модели.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

CENO-300M-131k

CENO-300M-131k is the long-context (131k) checkpoint of the 300M CENO DNA foundation model — a causal language model over genomic sequence built on a Nemotron-H Mamba / Attention / Mixture-of-Experts hybrid backbone (no MSA inputs).

It is part of the CENO DNA foundation model family. Model code, the VEP pipeline, and a generation demo live in the companion CENO code repository. This checkpoint is standalone-loadable with trust_remote_code=True — the model code is bundled here.

Model details

FamilyCENO (base)
Training stageLong-context extension (stage 3)
Training context length131,072 tokens
Parameters307.5M
Precisionbfloat16
model_typeceno
Architecture classCENOForCausalLM
Auto-map (model)modeling_ceno.CENOForCausalLM
Auto-map (tokenizer)ceno_tokenizer.CENOCharLevelTokenizer

CENO's Mamba / Attention / MoE backbone has no fixed context window. The training context length above is the sequence length this checkpoint was trained at — not a hard limit. max_position_embeddings in config.json is nominal and non-restricting.

Architecture

PropertyValue
Hidden layers9
Hidden size1024
Attention heads8
Intermediate size4096
Experts (MoE)8 (top-2 per token)
Vocabulary512 (byte / character-level)

The backbone is a Mamba / Attention / Mixture-of-Experts hybrid (Nemotron-H architecture). The tokenizer is character-level, mapping DNA bases to their ASCII byte codes.

Usage

from transformers import AutoModelForCausalLM, AutoTokenizer

ckpt = "CladeTeam/CENO-300M-131k"
model = AutoModelForCausalLM.from_pretrained(ckpt, trust_remote_code=True)
tokenizer = AutoTokenizer.from_pretrained(ckpt, trust_remote_code=True)

ids = tokenizer.encode("ATCGATCG", return_tensors="pt")
# out = model.generate(ids, max_new_tokens=128)   # needs a CUDA GPU (Mamba kernels)

The Mamba layers require CUDA kernels, so forward passes and generation need a GPU. Config, tokenizer, and weight loading are CPU-safe.

Intended use

  • Base checkpoints (CENO-*) — genomic-sequence generation and embedding extraction; downstream adaptation (fine-tuning, probing) for genomics tasks.
  • MSA checkpoints (CENO-P-*) — variant effect prediction (VEP) by scoring wild-type vs. variant sequences with delta log-likelihood. See the TraitGym VEP example in the CENO code repository.

License

Apache-2.0. The bundled model code is derived from NVIDIA's Nemotron-H Hugging Face implementation (Apache-2.0); the tokenizer is derived from the Arc Institute Evo2 CharLevelTokenizer (Apache-2.0). See the LICENSE and NOTICE files in this repository for full attribution.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
CENOForCausalLM
Ревизия весов
c288a1a

0 моделей