/ Модель

Характеристики

Контекст
256 токенов
Параметры
1,1 млрд
Лицензия
Apache 2.0
Архитектура
qwen3 · dense
Библиотека
transformers
Опубликована
23 июл 2026

marin-dna-exp135-m5.1

Генерация текстаТекст → текст3 профессии

Базовая нуклеотидная авторегрессионная модель Marin на 1,12 млрд параметров для генерации и исследования коротких последовательностей ДНК.

208скачиваний за 30 дней2лайкавеса обновлены6 авг 2026

Бенчмарки

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

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Текст» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

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

MarinDNA m5.1 — авторегрессионная языковая модель для последовательностей ДНК, разработанная командой Marin. Это базовая модель на 1,12 млрд параметров с архитектурой decoder-only Transformer, совместимой с Qwen3ForCausalLM. Она обучалась продолжением предобучения на нуклеотидных последовательностях из областей CDS, upstream, downstream, энхансеров и ncRNA; перечисленные в карточке наборы использовались на разных этапах обучения, а отдельные matched-наборы — для валидации. Модель предназначена для генерации продолжений ДНК и исследований геномных последовательностей, в том числе задач прогнозирования эффектов вариантов, упомянутых в публикации разработчиков.

Токенизатор регистронезависимый, работает на уровне отдельных нуклеотидов и принимает строки ДНК из символов A, C, G и T. Контекст составляет 256 токенов, включая обязательный BOS, поэтому вход ограничен 255 основаниями; другие символы преобразуются в UNK. Модель не имеет токена EOS. Репозиторий содержит веса safetensors; в README указан размер исходного checkpoint около 4,18 GiB в float32. Лицензия — Apache-2.0. Карточка не приводит количественных оценок качества или подробных инструкций по применению для конкретных биологических задач.

Сценарии применения

  • генерация продолжений коротких последовательностей ДНК
  • изучение закономерностей в кодирующих и некодирующих участках генома
  • исследовательские эксперименты с последовательностями энхансеров и ncRNA
  • оценка эффектов генетических вариантов в исследовательском пайплайне

Ограничения

Контекст ограничен 256 позициями, из которых одну занимает BOS, а вход поддерживает только основания A, C, G и T; прочие символы становятся UNK. Карточка не приводит количественных метрик качества, а упоминание прогнозирования эффектов вариантов само по себе не задаёт подтверждённую точность на конкретных наборах данных.

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

MarinDNA m5.1 1B base model

MarinDNA m5.1 is a 1.12B-parameter, nucleotide-level causal language model developed with Marin. This is the final m5.1 base-model checkpoint at step 59,158 from run dna-bolinas-mix-v0.9-p1B-i24-exp135-zoonomia-m5.1-bef41e, released with the A 1B standard Transformer rivals Evo 2 40B on variant effect prediction blog post.

Model details

FieldValue
ArchitectureQwen3ForCausalLM-compatible decoder-only Transformer
Parameters1,120,772,224
Layers19
Hidden / intermediate size1,920 / 7,680
Attention heads / KV heads15 / 15
Context256 tokens: one BOS token followed by up to 255 DNA bases
CheckpointFinal m5.1 checkpoint, step 59,158
Approximate token exposure166.0B nucleotide tokens over the inherited training lineage
Stored weight dtypefloat32
LicenseApache-2.0

The source checkpoint is gs://marin-us-east5/checkpoints/dna-bolinas-mix-v0.9-p1B-i24-exp135-zoonomia-m5.1-bef41e/hf/step-59158. The commit-pinned training script defines the experiment.

Loading

from transformers import AutoModelForCausalLM, AutoTokenizer

repo_id = "marin-dna/marin-dna-exp135-m5.1"

tokenizer = AutoTokenizer.from_pretrained(repo_id)
model = AutoModelForCausalLM.from_pretrained(repo_id)

The float32 checkpoint is approximately 4.18 GiB. Convert or load it in a lower-precision dtype only if that is appropriate for your downstream use.

Tokenizer and input format

The bundled tokenizer is a case-insensitive, single-nucleotide tokenizer with seven tokens:

TokenID
[PAD]0
[UNK]1
[BOS]2
a3
c4
g5
t6

Pass raw DNA strings containing A, C, G, and T without spaces or separators. The tokenizer lowercases input and automatically prepends [BOS]; the model has no EOS token and the tokenizer does not append one. Characters outside the four canonical bases map to [UNK]. Because BOS occupies one of the 256 model positions, inputs are limited to 255 DNA bases.

Training lineage and data

m5.1 is a continued-training lineage with approximately 166.0B total inherited and newly seen nucleotide tokens:

  1. approximately 42.0B inherited tokens from the pre-cooldown point of a uniform three-region mixture (CDS, upstream, and downstream);
  2. approximately 62.0B tokens from a continued uniform three-region mixture; and
  3. approximately 62.0B tokens from a uniform five-region mixture adding enhancer and ncRNA sequence.

The five-region inventory below describes the resources used across the m5.1 lineage. It does not mean that all five datasets contributed to every training phase.

Training datasets

Matched training-validation probes

These matched datasets were validation probes, not training data.

Как запустить

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

GPU в ailist

Универсальный рантайм · transformers

Можно запустить

Подбираем GPU…

Класс архитектуры
Qwen3ForCausalLM
Ревизия весов
a73a5dc

0 моделей