HiRO-ACEv2 против LFM2.5 2.6B Base: ни один из них не является продуктом, и незавершены они по-разному

Поставьте HiRO-ACEv2 и LFM2.5 2.6B Base рядом, и первое, что вы заметите, — ни то, ни другое не является чем-то, что разработчик может просто вызвать. HiRO-ACEv2 — это климатический эмулятор второго поколения от Ai2, загруженный как репозиторий Hugging Face размером 10,9 ГБ 12 октября 2026 года без анонса, а препринт датирован следующим днём; LFM2.5 2.6B Base — это предобученный чекпоинт Liquid AI на 2,69 млрд параметров, созданный 1 августа 2026 года, который сам его вендор прямо описывает как чекпоинт, к которому обращаются только тогда, когда нужна существенная адаптация. Оба — сырьё. Оба доступны для скачивания уже сегодня. И то, в чём каждый из них не является законченным продуктом, почти противоположно, и это единственная причина, по которой это сравнение стоит написать, а не отмахнуться от него.

Чекпойнт Base не завершён, потому что его ещё не научили следовать инструкциям. HiRO-ACEv2 не завершён в том смысле, что он никогда не станет моделью общего назначения — это приложение, которое появилось уже обученным, уже специализированным и уже обёрнутым в заявленные ограничения. Один — это субстрат, ждущий своего предназначения. Другой — это предназначение без субстрата для чего-либо ещё.

Что на самом деле содержит каждый репозиторий

Репозиторий Base от Liquid AI — это модель. В карточке указаны 2,69 млрд параметров в 30 слоях — 22 блока коротких свёрток с двойным гейтированием и 8 слоёв группового внимания по запросам, гибридная схема, вокруг которой построено семейство LFM2, — с окном контекста на 131 072 токена, словарём из 128 000 единиц, предобучением на 34 трлн токенов и поддержкой 16 языков, включая английский, арабский, китайский, французский, немецкий, итальянский, японский, корейский, португальский, испанский, вьетнамский, тайский, индонезийский, хинди, русский и польский. Она работает только с текстом и не дообучена на инструкциях. Форматы для скачивания варьируются от нативного чекпоинта Transformers до GGUF для llama.cpp, ONNX для кроссплатформенного развёртывания и MLX для Apple silicon; квантизация Q4_K_M занимает около 1,67 ГБ.

Репозиторий Ai2 в этом смысле не является моделью. В нём хранятся два чекпоинта — HiROv2.ckpt размером около 1,28 ГиБ и ACE2S-X-SHiELD.ckpt размером около 2,98 ГиБ — плюс десять лет форсинговых данных в формате NetCDF, примерно по 609 МБ на файл, два файла начальных условий, три конфига YAML и shell-скрипт. Примерно 4,3 ГиБ собственно весов — это меньшая часть от общих 10,9 ГБ; большая часть того, что вы скачиваете, — это окно входных данных, предназначенное для обработки фреймворком. Здесь нет квантования, нет альтернативной среды выполнения, нет экспорта в ONNX и нет уменьшенного варианта. Есть только один способ запустить его, и README описывает его: установить пакет fme от Ai2, изменить четыре пути в конфиге, выполнить скрипт.

Два разных типа проблемы с лицензией

Теги лицензий — это то место, где контраст становится практическим, а не философским, и где эта пара действительно отличается от такой модели, как релизы Apache-2.0, которые вы могли бы ожидать найти здесь.

• HiRO-ACEv2 — Apache 2.0, при этом Ai2 Responsible Use Guidelines связывают предоставление прав с исследовательскими и образовательными целями, а обучающие данные отнесены к X-SHIELD, предоставленному GFDL.

• LFM2.5 2.6B Base — лицензия LFM Open License v1.0, а не разрешительная лицензия в стиле OSI. Её условия изложены в собственном файле LICENSE репозитория, и коммерческие условия — как раз та причина, по которой стоит прочитать этот файл, а не ориентироваться на тег, прежде чем строить продукт на этом чекпоинте.

• Что это значит для форка, который вы собираетесь сделать — в случае с HiRO-ACEv2 вопрос в том, является ли ваше использование исследовательским; в случае с LFM2.5 2.6B Base вопрос в том, является ли ваше использование коммерческим и в каком масштабе. Разные вопросы, разные ответы, и ни на один из них не отвечает слово «открытый».

Формы выходных данных не имеют ничего общего, и в этом-то и заключается их польза.

Базовый чекпоинт порождает текст. Токен за токеном, авторегрессивно, с обычной поверхностью сэмплирования — в карточке для стиля генерации его постобученной родственной модели рекомендуются температура 0.6 и top-p 0.95, а базовый чекпоинт предлагает вам решить это самостоятельно. Всё, что идёт после него, — это языковая задача: продолжить документ, классифицировать фрагмент, перевести, выдать структурированные данные или послужить отправной точкой для дообучения, которое научит его предметной области или языку, который он сейчас покрывает недостаточно хорошо.

HiRO-ACEv2 создаёт сеточные физические поля с разрешением 3 км — осреднённые за шесть часов интенсивности приземных осадков, мгновенные восточную и северную составляющие ветра на высоте 10 метров и давление на уровне моря — полученные даунскейлингом из входных данных с разрешением 100 км с помощью диффузионной модели, причём грубое состояние само генерируется авторегрессионно отдельным эмулятором X-SHIELD. В этом конвейере нет ничего текстового. Оценка, которая имеет значение, — это то, совпадает ли распределение выходных данных с эталонной симуляцией вплоть до её дальнего хвоста, и статья, лежащая в основе релиза, посвящена именно этому: авторы сообщают, что воспроизводят эталонные распределения осадков и приповерхностного ветра вплоть до 99,9999-го процентиля и в целом следуют эталонному распределению интенсивности тропических циклонов, причём заявленная стоимость инференса более чем в 300 раз ниже, чем у традиционной численной глобальной модели, разрешающей штормы.

Оба этих утверждения — заявления поставщика или автора, и они не воспроизведены. Разница в том, что пришлось бы сделать тому, кто возьмётся их воспроизводить. Проверка утверждения о чекпоинте Base означает набор задач и объём работы GPU, сопоставимый с одним чекпоинтом. Проверка утверждения о HiRO-ACEv2 означает десятилетний набор данных форсингов, эталонную симуляцию для сравнения и анализ распределения в дальней хвостовой области — вот почему второе утверждение, вероятно, останется неоспоренным значительно дольше.

Что вы на самом деле построили бы на каждом

Естественное применение чекпоинта Base — адаптация, и Liquid AI говорит об этом на удивление прямо: ассистенты для конкретного языка или предметной области, обучение на проприетарных данных или тестирование новых методов пост-обучения. Это чекпоинт, ценность которого появляется после вашей работы, а не до неё. Дообученный собрат — LFM2.5 2.6B, созданный тремя днями ранее, 28 июля, — предназначен для агентных рабочих нагрузок, и цифры загрузок красноречиво говорят о том, какую из двух моделей хотело сообщество: к середине октября дообученная модель превысила 114 000 загрузок и 823 лайка, тогда как у Base было 6 282 загрузки и 51 лайк. Base — инструмент специалиста, и рынок оценил его соответственно.

У HiRO-ACEv2 естественный сценарий использования — запуск ансамбля. Главное достоинство этого фреймворка не в одном прогнозе, а во множестве: мотивация статьи — генерировать большие ансамбли достаточно дешево, чтобы изучать поведение тропических циклонов и экстремальные явления с разрешением 3 км, на многодесятилетних периодах и в произвольных регионах мира. Вы не дообучаете её, и карточка модели к этому не призывает. Вы запускаете её, и вы либо доверяете её ограничениям — девять лет обучающих данных, неприменимость за пределами диапазона от 66° ю. ш. до 70° с. ш., артефакты на границах патчей при размерах выше обучающего тайла 16×16 с одноградусным разрешением — либо нет.

Иначе говоря: одна из этих моделей — это отправная точка, которую вы дорабатываете, а другая — инструмент, который вы используете. Считать их взаимозаменяемыми «открытыми моделями» только потому, что обе можно скачать, — именно ту ошибку и призвана предотвратить эта страница.

Единственное, что их объединяет: ни то, ни другое не тарифицируется за токен.

То, в чём эти двое действительно сходятся, — это структура затрат. Ни у одного нет тарифной сетки. LFM2.5 2.6B Base можно бесплатно скачать, и он дёшев в запуске именно потому, что он мал — пара гигабайт в bf16 и заметно меньше двух гигабайт в квантованном виде; в этом весь смысл дизайна LFM2.5 и причина, по которой он существует наряду с прошедшим пост-тренировку собратом, настроенным для работы на устройстве. HiRO-ACEv2 дёшев по другой причине: это узкий эмулятор, и его экономика обусловлена заменой чрезвычайно дорогостоящего численного моделирования, а не тем, что он помещается на телефон.

Так что если ваша рабочая нагрузка — это текст, чекпойнт Base — это вопрос о дообучении, а повседневная версия такой нагрузки — та, где вы хотите, чтобы отвечала модель, а не обучался чекпойнт, — выглядит как вызов, а не скачивание. Именно в этом слое находится OrcaRouter: один API-ключ для более чем двухсот хостируемых моделей, с ценой провайдера по прайс-листу, передаваемой без наценки, и автоматическим переключением между провайдерами при деградации одного из них. Ни одна из моделей в этом сравнении не входит в этот каталог, и ни одна не могла бы в него входить в текущем виде; LFM2.5 2.6B Base — это чекпойнт, а не сервис, а у HiRO-ACEv2 вообще нет интерфейса, ориентированного на запросы. Мы маршрутизируем всё, что их окружает, — суммаризацию, извлечение, код обвязки и агентный цикл, который превращает скачанный артефакт в пайплайн.

Отбор на практике

Если у вас есть данные в предметной области или на языке, которых базовая модель видела недостаточно, и у вас есть вычислительные ресурсы для дообучения, LFM2.5 2.6B Base — более дешёвая отправная точка, чем большинство её конкурентов. Прочитайте файл лицензии прежде, чем бенчмарк, на который вы надеялись, потому что в этом чекпойнте именно лицензия — документ, который решает, разрешён ли ваш проект. Если вы хотите небольшую агентную модель для запуска на устройстве, вам нужен дообученный собрат, а не Base, и цифры загрузок говорят о том, что сообщество пришло к этому выводу раньше вас. Если вам нужно атмосферное поле с разрешением 3 км за три десятилетия моделируемого климата, ни то, ни другое не относится к делу, и значение имеет только один файл в этой статье.

Полезный вывод состоит в том, что «открытые веса» перестали быть полезной категорией сами по себе. Базовый чекпойнт, его дообученный собрат и исследовательский эмулятор могут носить якобы разрешительный тег и означать им три совершенно разные вещи.

Подобные сравнения также выявляют режимы отказа: документированные инциденты с ИИ и сбои агентов, стоящие за моделями этого класса, собраны в архиве инцидентов ИИ OrcaRouter, где каждая запись содержит собственные источники, степень серьёзности, оценку достоверности и флаг оспаривания.