用途：Evo 2 是面向 DNA 的长上下文基因组基础模型，可用于计算逐核苷酸或逐序列的似然、生成 DNA 序列，以及做变异效应分析（在固定窗口上计算 Δll = ll_alt - ll_ref）。
主要能力：score_sequences 返回每条输入序列的平均对数似然列表（list[float] 或 np.ndarray），越负表示模型下越不可能；generate 返回 GenerationOutput，含 .sequences、.logits 与 .logprobs_mean。模型包括 evo2_7b（7B，1M nt 上下文，约 22 GB bf16，默认）、evo2_40b（40B，1M nt，约 78 GB，需 H100 80 GB 或多 GPU）、evo2_1b_base（1B，8K nt，约 6 GB，FP8 需 sm_89+）。
使用方式：安装 pip install evo2，首次加载模型时从 Hugging Face 拉取权重。加载示例：from evo2 import Evo2; model = Evo2("evo2_7b")。打分传入 list[str]，API 自行分词；生成可传 prompt_seqs、n_tokens、temperature。远程计算可提交作业，命令如 python3 score_evo2.py，并保留返回的 job_id，用 attachJob(job_id).status() 或 .result() 查询。脚本内将 HF_HOME 指向权重缓存挂载，并设 HF_HUB_OFFLINE=1。
适用场景：DNA 序列似然与生成、变异效应评估；预测表达/可及性等实验轨道应改用 borzoi，蛋白质任务应改用 fair-esm2/esmfold2。
限制：需 Python 3.11（推荐 3.12，<3.13）、CUDA 12.1+（推荐 12.4+）、GPU 显存 24 GB（7B bf16）或 80 GB（40B）、RAM 32 GB 或 128 GB。7B/40B 推理受 GPU 限制。权重约 15 GB（7B）、80 GB（40B）。常见问题：40B 在小于 80 GB 显存上 OOM，可改用 evo2_7b 或用 device_map 分片；HF_HOME 指向只读挂载时需设 HF_HUB_OFFLINE=1；score_sequences 需传字符串而非张量。性能参考：缓存后模型加载约 5-7 分钟，200×200bp 打分约 10-20 秒，生成 1×512 nt 约 15 秒。