/ 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-base

Генерация текстаТекст → текст3 профессии

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

47скачиваний 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-base — базовая предобученная модель семейства CENO для работы с геномными последовательностями ДНК. Разработчик в карточке не назван; README связывает модель с семейством CENO и упоминает отдельный репозиторий кода проекта. Это причинная языковая модель с гибридной архитектурой Nemotron-H, объединяющей Mamba, attention и Mixture-of-Experts. В README указано 307,5 млн параметров, тогда как метаданные Hugging Face сообщают 151,5 млн; размер поэтому расходится между источниками. Модель имеет 9 скрытых слоёв, размер скрытого состояния 1024 и посимвольный токенизатор для оснований ДНК. По метаданным нативный контекст составляет 1 048 576 токенов.

Модель предназначена для генерации геномных последовательностей, извлечения эмбеддингов и последующей адаптации к задачам геномики. Это базовый чекпойнт, а не вариант CENO-P для предсказания эффектов вариантов. Для загрузки README указывает Transformers и необходимость trust_remote_code=True. Репозиторий содержит веса safetensors; лицензия — Apache-2.0. Вход модели — текстовое представление последовательности ДНК, выход — текстовая последовательность; для эмбеддингов требуется соответствующий downstream-код.

Сценарии применения

  • генерация последовательностей ДНК
  • извлечение эмбеддингов геномных последовательностей
  • дообучение для прикладных задач геномики
  • исследование представлений геномных последовательностей

Ограничения

Модель является базовым чекпойнтом и для целевых задач геномики может требовать дообучения или отдельного downstream-кода. README и метаданные указывают разные размеры: 307,5 млн и 151,5 млн параметров соответственно.

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-base

CENO-300M-base is the base pretraining 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 stageBase pretraining (stage 2)
Parameters307.5M
Precisionbfloat16
model_typeceno
Architecture classCENOForCausalLM
Auto-map (model)modeling_ceno.CENOForCausalLM
Auto-map (tokenizer)ceno_tokenizer.CENOCharLevelTokenizer

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-base"
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
4c6fb34

0 моделей