用途：Evo 2 是面向 DNA 的长上下文基因组基础模型，可对序列计算似然分数、生成嵌入并生成 DNA 序列。适合逐核苷酸或逐序列打分、变异效应分析（用 Δll = ll_alt - ll_ref 在固定窗口内比较）以及序列生成。
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 和 .logprobs_mean。模型包括 evo2_7b（7B，上下文 1M nt，约 22 GB）、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。生成可指定 prompt_seqs、n_tokens、temperature。远程计算可提交作业，并在脚本中设置 HF_HOME 指向权重缓存挂载、HF_HUB_OFFLINE=1。
环境要求：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）；内存 32 GB 或 128 GB。
限制：7B/40B 推理依赖 GPU；40B 在小于 80 GB 显存上会 OOM，可改用 evo2_7b 或用 device_map 分片；若 HF_HOME 指向只读挂载需设 HF_HUB_OFFLINE=1；score_sequences 需传字符串而非张量。预测实验轨迹（表达、可及性）应使用 borzoi，蛋白质任务应使用 fair-esm2 / esmfold2。