HiRO-ACEv2: Ai2 Mengunggah 10,9 GB Bobot Climate Emulator Secara Online dan Tidak Memberi Tahu Siapa pun

HiRO-ACEv2 bukanlah model bahasa, dan itulah hal pertama yang perlu diluruskan tentangnya. Ini adalah kerangka emulasi iklim dua tahap dari Allen Institute for AI, dan pada 12 Oktober 2026 pukul 16:43 UTC lembaga itu membuat repositori Hugging Face dengan nama allenai/HiRO-ACEv2 yang berisi sekitar 10,9 GB checkpoint, data forcing, dan kondisi awal. Dua hari kemudian, pada 14 Oktober pukul 13:15 UTC, repositori tersebut menerima commit terakhirnya. Hingga tulisan ini dibuat, repositori itu hanya memiliki satu suka, tanpa unduhan, tanpa utas diskusi, tanpa postingan pengumuman dari Ai2, tanpa entri blog, dan tanpa liputan pers. Satu-satunya penjelasan publik tentang apa yang terkandung dalam rilis ini adalah pracetak yang muncul di arXiv pada 13 Oktober, sehari setelah bobot.

Apa yang membuat ini layak mendapat satu halaman alih-alih sekadar angkat bahu adalah selisih dari generasi pertama. Ai2 merilis HiRO-ACE pada Januari 2026, dan itu hanya melakukan satu hal: curah hujan 3 km. HiRO-ACEv2 menambahkan angin ke arah timur dan utara pada 10 meter serta tekanan permukaan laut rata-rata ke keluaran, di samping curah hujan, yang memindahkannya dari downscaler curah hujan menjadi sesuatu yang lebih mendekati generator medan atmosfer yang dapat digunakan untuk skala 3 km. Itu perubahan kemampuan yang nyata, bukan sekadar kenaikan versi. Apakah ini akan bertahan adalah pertanyaan terpisah, dan pertanyaan yang belum dijawab siapa pun di luar Ai2.

Apa yang ada di repositori, file per file

Ini adalah bagian yang sepenuhnya dapat diketahui, jadi inilah bagian yang layak dibaca dengan saksama. Semua yang ada di bawah ini dibaca dari daftar file dan metadata repositori itu sendiri.

• HiROv2.ckpt — 1.376.737.727 byte, sekitar 1,28 GiB. Ini adalah model downscaling difusi itu sendiri, komponen yang dalam makalah disebut HiRO untuk "High Resolution Output."

• ACE2S-X-SHiELD.ckpt — 3.201.380.831 byte, sekitar 2,98 GiB. Emulator resolusi kasar yang memasoknya: model autoregresif dari X-SHIELD, model global yang meresolusi badai, yang diperkasar hingga 100 km.

• forcing_data/ — sepuluh file NetCDF, forcing_2014.nc hingga forcing_2023.nc, masing-masing sekitar 609 MB. Sembilan ratus tiga puluh megabita dari jendela tersebut adalah input pengondisian, dan rentang sepuluh tahunnya persis merupakan jendela pelatihan yang menjadi batasan bagi kedua checkpoint.

• initial_conditions/ — ic_2014.nc dan ic_2023.nc, masing-masing 118.253.505 byte. Dua titik akhir periode yang disiapkan untuk dijalankan oleh rilis ini.

• Tiga konfigurasi YAML dan skrip shell — ace2s_inference_config_global.yaml, hiro_downscaling_ace2s_global_output.yaml, hiro_downscaling_ace2s_pnw_output.yaml dan run-hiro-ace.sh. Konfigurasi Pacific Northwest berada di samping konfigurasi global, yang merupakan petunjuk yang wajar tentang wilayah mana yang digunakan penulis sebagai contoh kerja mereka.

README berukuran 5.345 byte dan sebagian besar berupa resep: unduh repo, pip install fme, arahkan empat bidang di konfigurasi ACE ke jalur Anda, arahkan konfigurasi HiRO ke direktori keluaran dari proses ACE, jalankan skrip shell. Kode tersebut berada di repositori climate-emulator publik milik Ai2 dan situs dokumentasi saat ini mengiklankan paket tersebut sebagai fme v2026.5.1, dengan peringatan tetap bahwa basis kode mendukung penelitian internal dan bahwa perubahan API yang merusak dapat terjadi. Bobotnya berlisensi Apache 2.0, dengan Responsible Use Guidelines dari Ai2 yang melampirkan maksud penelitian dan pendidikan pada pemberian lisensi tersebut.

Apa yang diklaim preprint, dan apa yang tidak akan dikatakan kartu model untuknya

Preprint itu berjudul "Peristiwa ekstrem dan statistik dalam emulator AI dari model resolusi badai global", dan versi pertamanya muncul di arXiv pada 13 Oktober 2026 pukul 04.18 UTC dalam kategori physics.ao-ph, dengan sepuluh penulis dari tim iklim Ai2. Hampir setiap angka yang diinginkan pembaca berasal dari preprint itu, bukan dari kartu model, dan setiap angka tersebut adalah milik para penulis sendiri serta belum direproduksi oleh siapa pun.

Klaim utamanya adalah biaya: makalah tersebut menyatakan bahwa inferensi lebih dari 300 kali lebih murah daripada menjalankan model numerik global konvensional yang meresolusi badai. Itu adalah jenis angka yang menentukan apakah suatu teknik hanya menjadi keingintahuan penelitian atau alat operasional, jadi penting untuk tepat mengenai apa sebenarnya angka itu. Ini adalah perbandingan satu emulator AI terhadap satu kelas simulasi numerik, yang dibuat oleh orang-orang yang membangun emulator tersebut, pada perangkat keras dan pengaturan yang mereka pilih. Tidak ada pihak ketiga yang mengulanginya.

Klaim kedua adalah tentang ekor distribusi. HiRO-ACEv2 dilaporkan mampu melacak distribusi presipitasi referensi dan angin dekat permukaan hingga persentil ke-99,9999, serta secara garis besar mengikuti distribusi intensitas siklon tropis referensi. Menangani ekor yang jauh dengan benar adalah bagian tersulit dari masalah ini dan alasan makalah ini dibuat sejak awal — emulator yang tepat dalam menangkap nilai rata-rata tetapi gagal menangkap nilai ekstrem tidak berguna justru untuk pertanyaan yang ingin diajukan orang tentang siklon tropis dan banjir. Mekanisme yang dijelaskan para penulis adalah beberapa denoiser pada waktu inferensi, ditambah perubahan pada pengambilan sampel data, pengambilan sampel noise, dan pembobotan loss selama pelatihan.

Apa yang tidak dilakukan kartu model adalah memberikan angka tolok ukur. Tidak ada tabel, tidak ada skor, tidak ada entri papan peringkat. Kartu ini membuat klaim kualitatif — garis persentil ke-99,9999 adalah satu-satunya angka kuantitatif di dalamnya — lalu mencantumkan keterbatasan dengan keterusterangan yang tidak biasa. Kedua checkpoint dilatih pada sembilan tahun X-SHIELD, 2014 hingga 2022. Keluarannya mereproduksi X-SHIELD, bukan observasi, sehingga mewarisi bias simulasi referensi alih-alih bias atmosfer nyata. Kerangka kerja ini bukan untuk prakiraan cuaca. Ini tidak diuji di luar 66°S hingga 70°N dan tidak dapat dijalankan di luar 88°S atau 88°N. Penurunan skala wilayah yang lebih besar daripada patch pelatihan 16x16 beresolusi satu derajat dapat menghasilkan diskontinuitas atau artefak pencampuran pada batas patch. Dan kartu tersebut mencatat bahwa ACE2S-X-SHIELD diuji dengan kurang ketat dibandingkan lini ACE2-ERA5 sebelumnya.

Jika dibaca bersama, kedua paragraf itu menyatakan sesuatu yang spesifik: ini adalah artefak riset yang didukung oleh sebuah makalah, dirilis dengan keterbatasannya disertakan, dan bukan peluncuran produk dengan tabel tolok ukur. Itu cara yang normal dan terhormat untuk merilis ilmu pengetahuan. Ini juga berbeda dari model yang dapat Anda evaluasi terhadap papan peringkat publik, dan jarak antara keduanya adalah keadaan jujur dari rilis ini.

Delta dari v1 adalah inti cerita sebenarnya di sini

HiRO-ACE, rilis Januari 2026, menghasilkan laju presipitasi permukaan rata-rata 6 jam pada 3 km. Itulah keseluruhan keluaran permukaannya. Kerangka kerja v2 menambahkan medan angin instan 10 meter ke arah timur dan utara serta tekanan permukaan laut pada frekuensi 6 jam, bersama dengan presipitasi.

Itu penting karena seperti apa tahap keduanya. HiROv2 adalah model difusi yang menerima masukan 100 km dan menghasilkan medan 3 km; makalah ini menjelaskannya sebagai sistem dua tahap ketika emulator autoregresif menghasilkan X-SHIELD yang diperkasar pada 100 km, dan model difusi yang dilatih secara terpisah melakukan downscaling regional atas keluaran itu ke 3 km. Memperluas downscaler dari satu medan skalar menjadi medan multivariat — presipitasi ditambah dua komponen angin ditambah tekanan, yang harus konsisten secara fisik satu sama lain, bukan sekadar masuk akal secara independen — adalah rekayasa substantif dalam rilis ini. Angin dan presipitasi yang tidak saling sesuai lebih buruk daripada salah satunya saja.

Repositori v1 telah mengumpulkan enam belas suka sejak Januari. Repositori v2 mendapat satu suka, dua hari setelah commit terakhirnya. Perbedaan itu bukanlah komentar atas kualitas; itu adalah potret betapa sunyinya rilis khusus ini diluncurkan.

Apa yang tidak dapat diketahui dari luar, dan mungkin tidak akan dapat diketahui untuk sementara waktu.

Tidak ada endpoint yang dihosting. Tidak ada API, tidak ada daftar tarif, tidak ada harga per token, dan tidak ada kemungkinan untuk itu, karena ini bukan model teks autoregresif. Tidak ada apa pun di papan peringkat model mana pun, dan kemungkinan tidak akan ada, karena evaluasi yang penting di sini adalah kesetiaan distribusional terhadap simulasi referensi dan tidak ada papan peringkat publik yang mengukurnya. Tidak ada reproduksi independen, tidak ada tolok ukur pihak ketiga, dan tidak ada integrasi kerangka kerja selain paket Python milik Ai2 sendiri — konfigurasi merujuk pada fme pustaka dan repositori ai2cm/ace dan tidak ada yang lain.

Konsekuensi praktisnya adalah bahwa menjalankan HiRO-ACEv2 saat ini berarti mengunduh 10,9 GB dan menjalankannya di perangkat keras Anda sendiri. Tidak ada panggilan yang bisa Anda lakukan. Siapa pun yang menulis bahwa model ini "tersedia di" suatu platform sedang menjelaskan tautan unduhan.

Jadi, ringkasan jujur tentang keadaan rilis ini adalah: bobotnya ada, resepnya ada, makalahnya ada, dan vendor belum mengatakan apa pun. Jika Ai2 mengikuti pola rilis Januari, pengumuman mungkin menyusul dalam beberapa hari dan tidak mengubah apa pun tentang artefak. Jika tidak, model tetap seperti apa adanya — berada di repositori dengan README lengkap dan tanpa audiens.

Di mana lapisan routing membantu dan tidak membantu di sini

Bersikap jelas tentang hal ini lebih berguna daripada memaksakan penyebutan produk untuk menutupinya: OrcaRouter tidak memiliki apa pun untuk dirutekan bagi HiRO-ACEv2. Kami tidak menghostingnya, ia tidak muncul di katalog kami, dan ia tidak dapat muncul di sana dalam bentuknya saat ini, karena tidak ada endpoint bermeteran token untuk ditempatkan di depan pemanggil.

Yang benar adalah bahwa pekerjaan di seputar model seperti ini adalah pekerjaan model bahasa. Skrip yang menjalankan ansambel multi-dekade, kode yang membaca metadata NetCDF dan memeriksa kewajaran bentuk field sebelum suatu proses dijalankan, peringkasan statistik distribusi di seluruh seratus rollout, pembacaan sebuah makalah menjadi daftar periksa — lapisan itu adalah pembuatan teks dan kode biasa, dan itulah lapisan tempat memanggil model per permintaan masuk akal. Lapisan itulah gunanya kunci API, dan itulah sebabnya satu kunci di depan lebih dari dua ratus model, dengan harga daftar penyedia diteruskan apa adanya dan failover ditangani secara otomatis saat penyedia mengalami penurunan kinerja, tetap layak dimiliki bahkan ketika model sains di pusat pipeline berada di GPU Anda sendiri.

Apa yang akan mengubah halaman ini

Tiga hal, dalam urutan kemungkinan dari yang paling besar ke yang paling kecil. Pengumuman Ai2 akan mengonfirmasi bahwa rilis ini sudah selesai, bukan sekadar commit staging, dan akan memberi kerangka kerja ini target sitasi selain pracetak. Sebuah uji coba oleh pihak di luar Ai2 — satu kelompok yang mereproduksi klaim inferensi 300 kali pada perangkat keras mereka sendiri, atau menerbitkan perbandingan dengan GSRM numerik pada mesin yang sama — akan mengubah tajuk utama makalah dari klaim menjadi bukti. Dan pipeline hilir yang mengonsumsi keluaran multivariat, angin dan tekanan bersama curah hujan, akan menjadi uji nyata pertama apakah konsistensi fisik tahap kedua tetap bertahan ketika pihak selain para penulisnya bergantung padanya.

Tidak satu pun dari itu menjadi alasan untuk mengabaikan rilis ini. Bidang yang sudah matang yang merilis generasi keduanya secara senyap adalah hal yang wajar, dan makalahnya adalah tempat yang perlu dilihat. Itu adalah alasan untuk bersikap tepat tentang apa yang telah ditunjukkan, yang sejauh ini adalah: berkas-berkasnya ada, resepnya didokumentasikan, dan angka-angkanya milik para penulis sendiri.

Rilis yang sedamai ini juga menjadi momen untuk memeriksa apa yang pernah salah sebelumnya: insiden AI yang terdokumentasi dan kegagalan agen seputar model di kelas ini dikumpulkan di the OrcaRouter AI Incident Archive , di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, tingkat keyakinan, dan penanda yang diperdebatkan.