HiRO-ACEv2：Ai2 将 10.9 GB 的 Climate Emulator 权重放到了网上，却没有告诉任何人

HiRO-ACEv2不是语言模型，这是首先要弄清楚的一点。它是 Allen Institute for AI 的两阶段气候仿真框架，2026 年 10 月 12 日 16:43 UTC，该研究所在 Hugging Face 上创建了一个名为allenai/HiRO-ACEv2的仓库，其中包含约 10.9 GB 的检查点、强迫数据和初始条件。两天后，10 月 14 日 13:15 UTC，该仓库完成了最后一次提交。截至本文撰写时，它只有一个点赞、没有下载量、没有讨论帖、Ai2 没有发布公告、没有博客文章，也没有媒体报道。关于此次发布内容的唯一公开说明，是 10 月 13 日出现在 arXiv 上的一篇预印本，比权重晚一天。

这件事之所以值得专门写一页，而不是耸耸肩略过，就在于它与第一代之间的差距。Ai2 发布了HiRO-ACE，时间是 2026 年 1 月，而它只做了一件事：3 公里降水。HiRO-ACEv2 在降水之外，还向输出加入了 10 米高度的东向和北向风以及平均海平面气压，这使它从一个降雨降尺度器，转变为更接近一个可用于 3 公里尺度的实用大气场生成器。这是真正的能力变化，而非版本号升级。它是否站得住脚则是另一个问题，也是 Ai2 之外尚无人回答的问题。

仓库里有什么，逐个文件说明

这是完全可知的部分，因此值得仔细阅读。以下所有内容均来自仓库自身的文件列表和元数据。

• HiROv2.ckpt——1,376,737,727 字节，约 1.28 GiB。这就是扩散降尺度模型本身，也就是论文中称为 HiRO（即“High Resolution Output”）的组件。

• ACE2S-X-SHiELD.ckpt — 3,201,380,831 字节，约 2.98 GiB。为其提供输入的粗分辨率模拟器：全球风暴解析模式 X-SHIELD 的自回归模型，已粗化至 100 公里。

• forcing_data/ — 十个 NetCDF 文件，从 forcing_2014.nc 到 forcing_2023.nc，每个约 609 MB。该窗口中有一千零七十万兆字节……不对，是九百三十兆字节属于条件输入，而其十年跨度恰好是两个检查点都被限定使用的训练窗口。

• initial_conditions/ — ic_2014.nc 和 ic_2023.nc，每个 118,253,505 字节。release 设定运行时段的两个端点。

• 三个 YAML 配置和一个 shell 脚本——ace2s_inference_config_global.yaml、hiro_downscaling_ace2s_global_output.yaml、hiro_downscaling_ace2s_pnw_output.yaml 和 run-hiro-ace.sh。太平洋西北地区配置与全球配置并列放在一起，这很好地暗示了作者将哪个地区用作他们的工作示例。

README 大小为 5,345 字节，内容主要是一份操作指南：下载仓库，pip install fme，在 ACE 配置中把四个字段指向你的路径，把 HiRO 配置指向 ACE 运行的输出目录，然后运行 shell 脚本。代码位于 Ai2 公开的气候模拟器仓库中，文档站点目前将该包标为 fme v2026.5.1，并附有长期警告，说明该代码库仅支持内部研究，且会发生破坏性的 API 变更。权重采用 Apache 2.0 许可，Ai2 的《负责任使用准则》将研究与教育意图附加到该许可授权中。

预印本声称了什么，以及模型卡不会为它说什么

该预印本题为“全球风暴解析模型的 AI 仿真器中的极端事件与统计”，其第一版于 2026 年 10 月 13 日 04:18 UTC 以 physics.ao-ph 分类上线 arXiv，作者是 Ai2 气候团队的十位研究人员。读者想知道的几乎每一个数字都来自它，而不是来自模型卡；而这些数字全都出自作者本人，且未被其他任何人复现。

最引人注目的主张是成本：论文称，推理比运行一个传统的数值全球风暴解析模型便宜 300 多倍。这类数字决定着一种技术究竟是研究上的新奇玩意儿，还是可投入业务的工具，因此值得精确说明它到底是什么。它是将一个人工智能模拟器与某一类数值模拟所做的比较，而且是由构建该模拟器的人在他们自行选择的硬件和设置上进行的。尚无第三方重复过这一结果。

第二个论断是关于尾部的。据报道，HiRO-ACEv2 能够追踪参考降水分布和近地表风分布，直至 99.9999 百分位，并且在总体上遵循参考热带气旋强度分布。把远端尾部做对是这个问题中最困难的部分，也是这篇论文之所以存在的根本原因——一个能准确抓住均值却漏掉极值的仿真器，对于人们想要提出的关于热带气旋和洪水的那些问题恰恰毫无用处。作者描述的机制是在推理时使用多个去噪器，再加上训练期间对数据采样、噪声采样和损失加权所做的改动。

模型卡没有给出基准测试分数。其中没有表格，没有评分，也没有排行榜条目。卡片提出的是定性论断——99.9999 百分位数那一行是其中唯一的定量数字——然后以不同寻常的坦率列出了局限性。两个检查点都是在 X-SHIELD 的九年数据（2014 年至 2022 年）上训练的。输出复现的是 X-SHIELD，而不是观测结果，因此它们继承的是参考模拟的偏差，而不是真实大气的偏差。该框架不用于天气预报。它没有在 66°S 到 70°N 之外经过测试，也无法在超过 88°S 或 88°N 的范围运行。对大于 16×16、1 度训练补丁的区域进行降尺度，可能会在补丁边界处产生不连续或混合伪影。并且卡片指出，ACE2S-X-SHIELD 的测试严格程度不如早先的 ACE2-ERA5 系列。

放在一起读，那两段话说明了一件具体的事：这是一个背后有论文、发布时附带自身局限性的研究产物，而不是一场配有基准测试表的产品发布。这是交付科学成果的一种正常且值得尊重的方式。它也不同于一个可以对照公开排行榜来评估的模型，而两者之间的差距，正是这次发布诚实的现状。

从 v1 以来的变化才是真正的关键所在

HiRO-ACE 是 2026 年 1 月的发布版本，生成了 3 公里分辨率的 6 小时平均地表降水率。这就是该版本的全部输出地表场。v2 框架在降水之外，还以 6 小时频次新增了瞬时 10 米东向风和北向风以及海平面气压场。

这很重要，原因在于第二阶段是什么。HiROv2 是一个扩散模型，以 100 公里分辨率的输入生成 3 公里分辨率的场；论文将其描述为一个两阶段系统：一个自回归仿真器生成 100 公里分辨率的粗化 X-SHIELD，然后一个单独训练的扩散模型将该输出区域降尺度到 3 公里。将降尺度器从单一标量场扩展为多变量场——降水加上两个风分量再加上气压，这些量彼此之间必须在物理上一致，而不是各自独立地看似合理——是本次发布中的实质性工程工作。相互不一致的风和降水，比二者中任何一个单独出现都更糟。

v1 仓库自一月份以来已经积累了十六个赞。v2 仓库则只有一个——还是在它最后一次提交的两天之后。这一差异并非对质量的评价；它只是这次发布悄然无声到什么程度的一个缩影。

什么是无法从外部得知的，而且可能在一段时间内都不会。

没有托管端点。没有 API，没有费率表，没有按 token 定价，也不可能有，因为这不是自回归文本模型。任何模型排行榜上都没有它，也不可能有，因为这里真正重要的评估是对参考模拟的分布保真度，而没有任何公开排行榜衡量这一点。没有独立复现，没有第三方基准测试，也没有 Ai2 自家 Python 包之外的框架集成——配置只引用了 fme 库和 ai2cm/ace 代码仓库，别无其他。

实际后果是，如今运行 HiRO-ACEv2 意味着要下载 10.9 GB，并在你自己的硬件上执行它。你无法发起任何调用。任何声称该模型“可在”某个平台上使用的人，描述的其实都是一个下载链接。

所以，对这次发布状态的诚实总结是：权重存在，配方存在，论文存在，而厂商什么都没说。如果 Ai2 遵循一月份那次发布的模式，可能几天内就会有一份公告，但不会对这个产物带来任何改变。如果它不这么做，模型就保持原样——待在一个有着完整 README 却无人问津的仓库里。

路由层在这里哪些方面有帮助，哪些方面没有帮助

把这一点说清楚，比牵强地为此硬扯上一句产品宣传更有用：对于 HiRO-ACEv2，OrcaRouter 没有任何可路由的东西。我们不托管它，它不出现在我们的目录中，而且以其当前形态也不可能出现在那里，因为并不存在一个按 token 计量的端点可以置于调用方之前。

确实如此：围绕这样一个模型展开的工作，本质上就是语言模型的工作。驱动数十年尺度集合运行的脚本，在跑之前读取 NetCDF 元数据并校验字段形状是否合理的代码，汇总上百次 rollout 的分布统计，把一篇论文读成一份清单——这一层就是普通的文本与代码生成，也正是按请求调用模型说得通的那一层。这一层正是 API 密钥的用武之地，也正是用一个密钥统管两百多个模型、按各服务商挂牌价透传费用、并在服务商性能下降时自动故障转移，之所以值得拥有的原因——哪怕流程正中央的科学模型就跑在你自己那块 GPU 上。

什么会改变这个页面

三件事，按可能性从高到低排列。Ai2 的公告将确认这次发布已经完成，而不是一次暂存提交，并且会给这个框架一个除预印本之外的引用目标。由 Ai2 之外的人进行一次运行——某个团队在自己的硬件上复现“300 倍推理”的说法，或发表在同一台机器上与数值 GSRM 的对比——将把论文的核心主张从断言变成证据。而一个接收多变量输出——风、气压以及降水——的下游流水线，将是第一次真正检验：当依赖它的不是其作者本人时，第二阶段的物理一致性是否站得住脚。

这些都不是无视该发布的理由。一个成熟的领域悄无声息地推出第二代，本就是常态，而论文才是真正该去看的地方。这倒是一个理由，要求我们对已经被展示的内容保持精确，而到目前为止，这些内容是：文件在那里，配方有文档记录，数字是作者自己给出的。

如此安静的发布，也正是回头核查此前出过哪些问题的时机：这一类模型已记录的 AI 事故与智能体故障，都汇总在OrcaRouter AI 事故档案，其中每条记录都附有各自的来源、严重程度、置信度等级与争议标记。