HiRO-ACEv2: Ai2 zette 10,9 GB aan Climate Emulator-gewichten online en vertelde het niemand

HiRO-ACEv2 is geen taalmodel, en dat is het eerste dat je goed moet begrijpen. Het is een tweefasig raamwerk voor klimaatemulatie van het Allen Institute for AI, en op 12 oktober 2026 om 16:43 UTC heeft het instituut een Hugging Face-repository aangemaakt onder de naam allenai/HiRO-ACEv2 met ongeveer 10,9 GB aan checkpoints, forcingdata en initiële condities. Twee dagen later, op 14 oktober om 13:15 UTC, kreeg de repository zijn laatste commit. Op het moment van schrijven heeft de repository één like, geen downloads, geen discussiedraad, geen aankondigingsbericht van Ai2, geen blogbericht en geen persaandacht. De enige publieke uitleg over wat de release bevat, is een preprint die op 13 oktober op arXiv verscheen, één dag na de gewichten.

Wat dit een pagina waard maakt in plaats van een schouderophalen, is het verschil met de eerste generatie. Ai2 bracht HiRO-ACE in januari 2026 uit, en het deed één ding: 3 km neerslag. HiRO-ACEv2 voegt 10-meter oostwaartse en noordwaartse wind en gemiddelde luchtdruk op zeeniveau toe aan de uitvoer, bovenop neerslag, waardoor het verandert van een neerslag-downscaler in iets dat dichter bij een bruikbare generator van atmosferische velden voor de 3 km-schaal komt. Dat is een echte verandering in mogelijkheden, geen simpele versieverhoging. Of het standhoudt, is een aparte vraag, en een die niemand buiten Ai2 nog heeft beantwoord.

Wat staat er per bestand in de repository?

Dit is het deel dat volledig kenbaar is, dus dit is het deel dat het waard is om zorgvuldig te lezen. Alles hieronder is afgelezen van de eigen bestandslijst en metadata van de repository.

• HiROv2.ckpt — 1.376.737.727 bytes, ongeveer 1,28 GiB. Dit is het diffusie-downscalingsmodel zelf, de component die het artikel HiRO noemt, als afkorting van "High Resolution Output".

• ACE2S-X-SHIELD.ckpt — 3.201.380.831 bytes, ongeveer 2,98 GiB. De emulator met grove resolutie die hiervoor de invoer levert: een autoregressief model van X-SHIELD, het wereldwijde stormoplossende model, vergrofd tot 100 km.

• forcing_data/ — tien NetCDF-bestanden, forcing_2014.nc tot en met forcing_2023.nc, elk ongeveer 609 MB. Negenhonderdertig megabyte van dat venster is conditionerende invoer, en de periode van tien jaar is precies het trainingsvenster waartoe beide checkpoints beperkt zijn.

• initial_conditions/ — ic_2014.nc en ic_2023.nc, elk 118.253.505 bytes. Twee eindpunten van de periode waarvoor de release is ingesteld om te draaien.

• Three YAML configs and a shell script — ace2s_inference_config_global.yaml, hiro_downscaling_ace2s_global_output.yaml, hiro_downscaling_ace2s_pnw_output.yaml and run-hiro-ace.sh. The Pacific Northwest config sits alongside the global one, which is a fair hint about which region the authors used as their worked example.

De README is 5.345 bytes en is grotendeels een recept: download de repo, pip install fme, wijs vier velden in de ACE-config naar je paden, wijs de HiRO-config naar de uitvoermap van de ACE-run, voer het shellscript uit. De code staat in Ai2's openbare climate-emulator-repository en de documentatiesite adverteert het pakket momenteel als fme v2026.5.1, met een permanente waarschuwing dat de codebase intern onderzoek ondersteunt en dat er breaking API-wijzigingen plaatsvinden. De gewichten zijn Apache 2.0, waarbij Ai2's Responsible Use Guidelines de licentieverlening koppelen aan onderzoeks- en onderwijsintentie.

Wat de preprint beweert, en wat de modelkaart niet zal beweren.

De preprint draagt de titel 'Extreme gebeurtenissen en statistieken in een AI-emulator van een wereldwijd storm-resolverend model', en de eerste versie verscheen op 13 oktober 2026 om 04:18 UTC op arXiv onder physics.ao-ph, met tien auteurs van het klimaatteam van Ai2. Bijna elk getal dat een lezer zou willen, komt daaruit en niet uit de modelkaart, en elk van die getallen is afkomstig van de auteurs zelf en niet door iemand anders gereproduceerd.

De voornaamste claim betreft de kosten: het artikel stelt dat inferentie meer dan 300 keer goedkoper is dan het draaien van een conventioneel numeriek wereldwijd stormoplossend model. Dat is het soort cijfer dat bepaalt of een techniek een onderzoekscuriositeit of een operationeel hulpmiddel is, dus het is de moeite waard om precies te zijn over wat het is. Het is een vergelijking van één AI-emulator met één klasse van numerieke simulatie, gemaakt door de mensen die de emulator hebben gebouwd, op hardware en instellingen die zij hebben gekozen. Geen enkele derde partij heeft het herhaald.

De tweede bewering gaat over de staarten. Van HiRO-ACEv2 wordt gemeld dat het referentieneerslagverdelingen en windverdelingen nabij het oppervlak volgt tot aan het 99,9999e percentiel, en dat het de referentie-intensiteitsverdeling van tropische cyclonen in grote lijnen volgt. De verre staart goed krijgen is het moeilijke deel van dit probleem en de reden dat het artikel überhaupt bestaat — een emulator die het gemiddelde perfect weet te treffen maar de extremen mist, is nutteloos voor precies de vragen die mensen willen stellen over tropische cyclonen en overstromingen. Het mechanisme dat de auteurs beschrijven is meerdere denoisers tijdens de inferentie, plus wijzigingen in databemonstering, ruisbemonstering en loss-weging tijdens de training.

Wat de modelkaart niet doet, is een benchmarkcijfer geven. Er is geen tabel, geen score, geen leaderboardvermelding. De kaart doet kwalitatieve beweringen — de 99,9999e percentiellijn is het enige kwantitatieve cijfer erin — en somt vervolgens beperkingen op met ongebruikelijke openhartigheid. Beide checkpoints zijn getraind op negen jaar X-SHIELD, van 2014 tot en met 2022. De outputs reproduceren X-SHIELD, niet waarnemingen, dus ze nemen de biases van de referentiesimulatie over in plaats van die van de echte atmosfeer. Het framework is niet bedoeld voor weersvoorspellingen. Het is niet getest buiten 66°Z tot 70°N en kan niet verder draaien dan 88°Z of 88°N. Het downscalen van regio's groter dan de 16-bij-16-trainingpatch van één graad kan discontinuïteiten of blending-artefacten op patchgrenzen veroorzaken. En de kaart merkt op dat ACE2S-X-SHIELD minder rigoureus is getest dan de eerdere ACE2-ERA5-lijn.

Samen gelezen zeggen die twee alinea's iets specifieks: dit is een onderzoeksartefact met een paper erachter, uitgebracht met de bijbehorende beperkingen, en niet een productlancering met een benchmarktabel. Dat is een normale en respectabele manier om wetenschap uit te brengen. Het is ook iets anders dan een model dat je tegen een openbaar leaderboard kunt evalueren, en de kloof tussen die twee is de eerlijke staat van deze release.

Het verschil met v1 is waar het hier echt om gaat.

HiRO-ACE, de release van januari 2026, genereerde zesuurlijks gemiddelde neerslagintensiteiten aan het oppervlak op 3 km. Dat was het volledige outputoppervlak. Het v2-raamwerk voegt, naast neerslag, met een zesuurlijkse frequentie momentane oostwaartse en noordwaartse winden op 10 meter en momentane luchtdrukvelden op zeeniveau toe.

Dat is belangrijk vanwege wat de tweede fase is. HiROv2 is een diffusiemodel dat invoer van 100 km neemt en 3 km-velden produceert; het artikel beschrijft het als een tweefasensysteem waarin een autoregressieve emulator vergroofde X-SHIELD op 100 km genereert, en een afzonderlijk getraind diffusiemodel die uitvoer regionaal downscalet naar 3 km. Het uitbreiden van de downscaler van een enkel scalair veld naar een multivariaat veld — neerslag plus twee windcomponenten plus druk, die fysisch consistent met elkaar moeten zijn, niet afzonderlijk plausibel — is het wezenlijke engineeringwerk in deze release. Wind en neerslag die niet met elkaar overeenstemmen, zijn erger dan elk afzonderlijk.

De v1-repository heeft sinds januari zestien likes verzameld. De v2-repository heeft er één, twee dagen na de laatste commit. Dat verschil is geen commentaar op de kwaliteit; het is een momentopname van hoe geruisloos deze specifieke release naar buiten is gekomen.

Wat van buitenaf niet te weten valt, en waarschijnlijk voorlopig ook niet zal zijn.

Er is geen gehost endpoint. Er is geen API, geen tariefkaart, geen prijs per token, en geen mogelijkheid daartoe, omdat dit geen autoregressief tekstmodel is. Er staat niets op welk modelleaderboard dan ook, en dat zal waarschijnlijk ook zo blijven, aangezien de evaluatie die hier van belang is distributionele getrouwheid aan een referentiesimulatie is en geen enkel openbaar leaderboard dat meet. Er is geen onafhankelijke reproductie, geen benchmark van derden, en geen frameworkintegratie buiten Ai2's eigen Python-pakket — de configs verwijzen naar de fme-bibliotheek en de ai2cm/ace-repository en niets anders.

De praktische consequentie is dat het draaien van HiRO-ACEv2 vandaag betekent dat je 10,9 GB moet downloaden en het op je eigen hardware moet uitvoeren. Er is geen aanroep die je kunt doen. Iedereen die schrijft dat dit model "beschikbaar is op" een of ander platform, beschrijft een downloadlink.

De eerlijke samenvatting van de stand van zaken rond deze release is dus: de gewichten bestaan, het recept bestaat, het artikel bestaat, en de leverancier heeft niets gezegd. Als Ai2 het patroon van de release van januari volgt, kan er binnen enkele dagen een aankondiging volgen die niets verandert aan het artefact. Als dat niet gebeurt, blijft het model zoals het is — in een repository met een complete README en zonder publiek.

Waar een routeringslaag hier wel en niet helpt

Duidelijk zijn hierover is nuttiger dan er een productvermelding over uit te rekken: OrcaRouter heeft niets te routeren voor HiRO-ACEv2. Wij hosten het niet, het staat niet in onze catalogus, en het zou daar in zijn huidige vorm niet kunnen staan, omdat er geen endpoint is dat per token wordt afgerekend om voor een aanroeper te zetten.

Wat waar is, is dat het werk rondom een model als dit taalmodelwerk is. De scripts die een ensemble over meerdere decennia aandrijven, de code die NetCDF-metadata leest en vóór een run de veldvormen controleert, het samenvatten van distributiestatistieken over honderd rollouts, het omzetten van een paper in een checklist — die laag is gewone tekst en code, en het is de laag waarvoor een model per verzoek zinvol is. Die laag is waar een API-sleutel voor dient, en het is de reden waarom één enkele sleutel vóór meer dan tweehonderd modellen, met de lijstprijs van de provider die wordt doorgegeven en automatische failover wanneer een provider hapert, de moeite waard is, terwijl het wetenschappelijke model in het hart van de pijplijn op je eigen GPU staat.

Wat zou deze pagina veranderen

Drie dingen, in afnemende orde van waarschijnlijkheid. Een aankondiging van Ai2 zou bevestigen dat de release klaar is in plaats van een stagingcommit, en zou het framework een ander citatiedoel dan de preprint geven. Een run door iemand buiten Ai2 — één groep die de claim van 300 keer inferentie op hun eigen hardware reproduceert, of een vergelijking met een numerieke GSRM op dezelfde machine publiceert — zou de kop van het paper van bewering in bewijs veranderen. En een downstreampijplijn die de multivariate output, wind en druk samen met neerslag opneemt, zou de eerste echte test zijn van of de fysische consistentie van de tweede fase standhoudt wanneer iemand anders dan de auteurs ervan afhankelijk is.

Geen van die dingen is een reden om de release te negeren. Een volwassen vakgebied dat zijn tweede generatie geruisloos uitbrengt, is normaal, en de paper is de plek waar je moet kijken. Het is een reden om precies te zijn over wat er is getoond, wat tot nu toe neerkomt op: de bestanden staan er, het recept is gedocumenteerd, en de cijfers zijn van de auteurs zelf.

Een release die zo stil is, is ook het moment om te controleren wat er eerder mis is gegaan: de gedocumenteerde AI-incidenten en agentfouten rond modellen in deze klasse zijn verzameld in het OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en betwiste vlag bevat.