HiRO-ACEv2: Ai2 puso 10,9 GB de pesos de Climate Emulator en línea y no se lo dijo a nadie

HiRO-ACEv2 no es un modelo de lenguaje, y eso es lo primero que hay que aclarar. Es un marco de emulación climática de dos etapas del Allen Institute for AI, y el 12 de octubre de 2026 a las 16:43 UTC, el instituto creó un repositorio de Hugging Face bajo el nombre allenai/HiRO-ACEv2 que contiene aproximadamente 10,9 GB de checkpoints, datos de forzamiento y condiciones iniciales. Dos días después, el 14 de octubre a las 13:15 UTC, el repositorio recibió su último commit. Al momento de escribir esto, tiene un solo "me gusta", ninguna descarga, ningún hilo de discusión, ninguna publicación de anuncio de Ai2, ninguna entrada de blog y ninguna cobertura de prensa. La única explicación pública de lo que contiene el lanzamiento es un preprint que apareció en arXiv el 13 de octubre, un día después de los pesos.

Lo que hace que esto merezca una página en lugar de un encogimiento de hombros es la diferencia respecto a la primera generación. Ai2 lanzó HiRO-ACE en enero de 2026, y hacía una sola cosa: precipitación a 3 km. HiRO-ACEv2 añade vientos de 10 metros hacia el este y hacia el norte, y presión media al nivel del mar a la salida, además de la precipitación, lo que lo lleva de ser una herramienta de reducción de escala de lluvia a algo más cercano a un generador de campos atmosféricos aprovechable para la escala de 3 km. Eso es un cambio real de capacidades, no una simple subida de versión. Que se sostenga o no es una cuestión aparte, y una que nadie fuera de Ai2 ha respondido todavía.

¿Qué hay en el repositorio, archivo por archivo?

Esta es la parte que puede conocerse por completo, así que es la parte que vale la pena leer con atención. Todo lo que aparece a continuación se extrajo del listado de archivos y los metadatos del propio repositorio.

• HiROv2.ckpt — 1.376.737.727 bytes, aproximadamente 1,28 GiB. Este es el propio modelo de reducción de escala por difusión, el componente que el artículo llama HiRO, por «High Resolution Output».

• ACE2S-X-SHiELD.ckpt — 3.201.380.831 bytes, aproximadamente 2,98 GiB. El emulador de resolución gruesa que lo alimenta: un modelo autorregresivo de X-SHIELD, el modelo global de resolución de tormentas, reducido a 100 km.

• forcing_data/ — diez archivos NetCDF, forcing_2014.nc hasta forcing_2023.nc, aproximadamente 609 MB cada uno. Novecientos treinta megabytes de esa ventana son entrada de condicionamiento, y su período de diez años es exactamente la ventana de entrenamiento a la que están limitados ambos checkpoints.

• initial_conditions/ — ic_2014.nc e ic_2023.nc, 118,253,505 bytes cada uno. Dos extremos del período que la versión está configurada para ejecutar.

• Tres configuraciones YAML y un script de shell — ace2s_inference_config_global.yaml, hiro_downscaling_ace2s_global_output.yaml, hiro_downscaling_ace2s_pnw_output.yaml y run-hiro-ace.sh. La configuración del noroeste del Pacífico se sitúa junto a la global, lo que es una pista bastante reveladora sobre qué región usaron los autores como su ejemplo práctico.

El README ocupa 5.345 bytes y es en su mayor parte una receta: descargar el repositorio, pip install fme, apuntar cuatro campos de la configuración de ACE a tus rutas, apuntar la configuración de HiRO al directorio de salida de la ejecución de ACE y ejecutar el script de shell. El código reside en el repositorio público de emuladores climáticos de Ai2, y el sitio de documentación anuncia actualmente el paquete como fme v2026.5.1, con una advertencia permanente de que la base de código está pensada para investigación interna y de que se producen cambios en la API que rompen la compatibilidad. Los pesos son Apache 2.0, y las Directrices de Uso Responsable de Ai2 vinculan la intención investigadora y educativa a la concesión de la licencia.

Lo que afirma el preprint y lo que la tarjeta del modelo no dirá por él

El preprint se titula «Extreme events and statistics in an AI emulator of a global storm-resolving model», y su primera versión llegó a arXiv el 13 de octubre de 2026 a las 04:18 UTC bajo physics.ao-ph, con diez autores del equipo climático de Ai2. Casi todos los números que un lector querría provienen de él y no de la ficha del modelo, y cada uno de esos números es de los propios autores y no ha sido reproducido por nadie más.

La afirmación principal es el costo: el artículo sostiene que la inferencia es más de 300 veces más barata que ejecutar un modelo numérico convencional de resolución de tormentas global. Es el tipo de cifra que decide si una técnica es una curiosidad de investigación o una herramienta operativa, así que vale la pena ser precisos sobre qué es. Es una comparación de un emulador de IA contra una clase de simulación numérica, realizada por las personas que construyeron el emulador, en el hardware y la configuración que ellos eligieron. Ningún tercero la ha repetido.

La segunda afirmación trata sobre las colas. Se reporta que HiRO-ACEv2 sigue las distribuciones de precipitación de referencia y de viento cerca de la superficie hasta el percentil 99,9999, y que sigue en líneas generales la distribución de intensidad de ciclones tropicales de referencia. Acertar en la cola lejana es la parte difícil de este problema y la razón por la que el artículo existe en absoluto: un emulador que clava la media y falla en los extremos es inútil precisamente para las preguntas que la gente quiere hacer sobre ciclones tropicales e inundaciones. El mecanismo que describen los autores consiste en múltiples eliminadores de ruido en el momento de la inferencia, además de cambios en el muestreo de datos, el muestreo de ruido y la ponderación de la pérdida durante el entrenamiento.

Lo que la ficha del modelo no hace es proporcionar una cifra de benchmark. No hay tabla, ni puntuación, ni entrada en la clasificación. La ficha hace afirmaciones cualitativas —la línea del percentil 99,9999 es la única cifra cuantitativa que contiene— y luego enumera limitaciones con una franqueza inusual. Ambos puntos de control se entrenaron con nueve años de X-SHIELD, de 2014 a 2022. Los resultados reproducen X-SHIELD, no observaciones, por lo que heredan los sesgos de la simulación de referencia en lugar de los de la atmósfera real. El marco no está pensado para el pronóstico meteorológico. No se ha probado fuera de la franja de 66° S a 70° N y no puede ejecutarse más allá de 88° S ni de 88° N. La reducción de escala de regiones más grandes que el parche de entrenamiento de 16 por 16 y un grado puede producir discontinuidades o artefactos de mezcla en los límites del parche. Y la ficha señala que ACE2S-X-SHIELD está menos rigurosamente probado que la línea ACE2-ERA5 anterior.

Leídos juntos, esos dos párrafos dicen algo concreto: esto es un artefacto de investigación con un artículo científico detrás, publicado junto con sus limitaciones, y no el lanzamiento de un producto con una tabla de benchmarks. Es una forma normal y respetable de publicar ciencia. También es algo distinto de un modelo que se puede evaluar frente a una tabla de clasificación pública, y la brecha entre ambos es el estado honesto de este lanzamiento.

El delta respecto a la v1 es lo que de verdad importa aquí

HiRO-ACE, la versión de enero de 2026, generó tasas de precipitación superficial promediadas cada 6 horas a 3 km. Esa era toda la salida en superficie. El marco v2 añade vientos instantáneos a 10 metros hacia el este y hacia el norte, y campos de presión a nivel del mar con frecuencia de 6 horas, junto con la precipitación.

Eso importa por lo que es la segunda etapa. HiROv2 es un modelo de difusión que toma entradas de 100 km y produce campos de 3 km; el artículo lo describe como un sistema de dos etapas en el que un emulador autorregresivo genera X-SHIELD con resolución más gruesa a 100 km, y un modelo de difusión entrenado por separado aplica una reducción de escala regional a esa salida hasta 3 km. Extender el reductor de escala de un único campo escalar a uno multivariante —precipitación más dos componentes del viento más presión, que deben ser físicamente consistentes entre sí, no plausibles de forma independiente— es la ingeniería sustantiva de esta versión. Un viento y una precipitación que no concuerdan entre sí son peores que cualquiera de los dos por separado.

El repositorio v1 ha acumulado dieciséis me gusta desde enero. El repositorio v2 tiene uno, dos días después de su último commit. Esa diferencia no es un comentario sobre la calidad; es una instantánea de lo silenciosamente que se publicó esta versión en particular.

Lo que no puede saberse desde fuera, y probablemente no lo será por un tiempo.

No hay ningún endpoint alojado. No hay API, ni tarifario, ni precio por token, y no hay posibilidad de que lo haya, porque este no es un modelo de texto autorregresivo. No hay nada en ninguna tabla de clasificación de modelos, y es poco probable que lo haya, dado que la evaluación que importa aquí es la fidelidad distribucional a una simulación de referencia y ninguna tabla de clasificación pública mide eso. No hay reproducción independiente, ni benchmark de terceros, ni integración con frameworks más allá del propio paquete de Python de Ai2 — las configuraciones hacen referencia a la biblioteca fme y el repositorio ai2cm/ace y nada más.

La consecuencia práctica es que ejecutar HiRO-ACEv2 hoy significa descargar 10,9 GB y ejecutarlo en tu propio hardware. No hay ninguna llamada que puedas hacer. Cualquiera que escriba que este modelo está “disponible en” alguna plataforma está describiendo un enlace de descarga.

Entonces, el resumen honesto del estado de este lanzamiento es: los pesos existen, la receta existe, el artículo existe y el proveedor no ha dicho nada. Si Ai2 sigue el patrón del lanzamiento de enero, es posible que se haga un anuncio en cuestión de días y que eso no cambie nada del artefacto. Si no lo hace, el modelo se queda tal como está —en un repositorio con un README completo y sin audiencia.

Dónde una capa de enrutamiento ayuda y no ayuda aquí

Ser claro al respecto es más útil que forzar una mención de producto: OrcaRouter no tiene nada que enrutar para HiRO-ACEv2. No lo alojamos, no aparece en nuestro catálogo y no podría aparecer allí en su forma actual, porque no hay ningún endpoint medido por tokens que poner delante de quien llama.

Lo que es cierto es que el trabajo en torno a un modelo como este es trabajo de modelos de lenguaje. Los scripts que impulsan un conjunto de varias décadas, el código que lee metadatos de NetCDF y verifica la coherencia de las formas de los campos antes de una ejecución, el resumen de estadísticas de distribución a lo largo de cien ejecuciones, la lectura de un artículo para convertirlo en una lista de verificación: esa capa es generación ordinaria de texto y código, y es la capa donde tiene sentido llamar a un modelo por solicitud. Esa capa es para lo que sirve una clave de API, y es la razón por la que una sola clave frente a más de doscientos modelos, con el precio de lista del proveedor transferido y la conmutación por error gestionada automáticamente cuando un proveedor se degrada, vale la pena tenerla incluso cuando el modelo científico en el centro del flujo de trabajo está en tu propia GPU.

¿Qué cambiaría esta página?

Tres cosas, en orden decreciente de probabilidad. Un anuncio de Ai2 confirmaría que el lanzamiento está terminado y no es un commit de staging, y le daría al framework un objetivo de citación distinto del preprint. Una ejecución por parte de alguien externo a Ai2 —un grupo que reproduzca la afirmación de un factor 300 en la inferencia en su propio hardware, o que publique una comparación frente a un GSRM numérico en la misma máquina— convertiría el titular del artículo de afirmación en evidencia. Y un pipeline downstream que ingiera la salida multivariante, los vientos y la presión junto con la precipitación sería la primera prueba real de si la consistencia física de la segunda etapa se sostiene cuando alguien distinto de sus autores dependa de ella.

Nada de eso es una razón para ignorar el lanzamiento. Que un campo maduro lance su segunda generación sin hacer ruido es normal, y el artículo es el lugar donde hay que mirar. Es una razón para ser precisos sobre lo que se ha mostrado, que hasta ahora es: los archivos están ahí, la receta está documentada y los números son de los propios autores.

Un lanzamiento tan discreto es también el momento de comprobar qué ha ido mal antes: los incidentes de IA documentados y los fallos de agentes en torno a modelos de esta clase se recopilan en el Archivo de Incidentes de IA de OrcaRouter, donde cada entrada incluye sus propias fuentes, su gravedad, su grado de confianza y un indicador de disputa.