Tahoe-x1
自产扰动真值加公共数据混训的 3B 细胞状态模型
- 数据类型
- 单细胞扰动转录组
- License
- Apache-2.0
模型与发布
Tahoe Therapeutics（原 Vevo）2025-10 发布，参数 70M/1.3B/3B，Apache 2.0 [1]。
训练数据配方
- 总量约 2.66 亿细胞，三个来源：Tahoe-100M（自产药物扰动真值）、Arc scBaseCount、CZ CELLxGENE Discover / Census [1][2]。
- 蒸馏合成：无。
数据供应方与许可
Tahoe 自产加公共数据；Apache 2.0。
已知问题与口径冲突
Tahoe 是数据生产商转做模型，真值与公共数据混合训练。"相对其他细胞状态模型 3–30 倍算力效率"为公司口径，无独立复现 [2]。scBaseCount 数字有 2.3 亿（初版）与 5.02 亿（2026-01 版，Lamin 口径）两种。可对照 Arc State。
来源
相关卡片
Tahoe Therapeutics公司与机构 · 美国
原 Vevo，造并开源 Tahoe-100M，目标 10 亿细胞
Arc Virtual Cell Atlas数据集 · 美国
Arc 整合 scBaseCount 与 Tahoe-100M 的 3 亿+ 细胞公开图谱
CZ CELLxGENE Discover / Census数据集 · 美国
CZI 策展的单细胞库，约 2.18 亿细胞（去重约 1.25 亿）
Tahoe-100M数据集 · 美国
约 1 亿细胞的药物扰动单细胞图谱，CC0，Arc 图谱首发数据
Arc State论文与基准 · 美国
1 亿多扰动细胞训练，数据由 Tahoe、Parse 等外部生产
卡片整理 2026-10-15。公司自报数据标“公司口径”；⚠️ 为未经独立核实。