# Ai2 publica tres checkpoints de investigación climática ACE2.5-ERA5

Published 2026-11-21 · AI.info Team · AI.info

> Ai2 ha publicado en Hugging Face tres configuraciones de su emulador atmosférico ACE2.5-ERA5. Los modelos de investigación no están pensados para hacer predicciones climáticas operativas.

Ya están disponibles en Hugging Face tres configuraciones del emulador atmosférico ACE2.5-ERA5 de Ai2, con versiones diarias y cada seis horas entrenadas con datos de ERA5. La publicación del repositorio, el 19 de noviembre, está destinada a la investigación, y Ai2 advierte que los modelos ACE no deben usarse para hacer predicciones climáticas operativas.

Fuente [huggingface.co](https://huggingface.co/allenai/ACE2.5-ERA5)

El modelo está diseñado para simular la variabilidad atmosférica en periodos que van de días a siglos. Es el sucesor de ACE2-ERA5 y utiliza un enfoque estocástico para generar predicciones de conjunto.

## Tres configuraciones

El modelo diario principal funciona con una resolución de 1 grado y tiene 46 millones de parámetros. Una segunda versión diaria tiene una resolución de 4 grados y 14 millones de parámetros; Ai2 afirma que ofrece una capacidad climática comparable en su resolución objetivo, cinco veces más rendimiento y una décima parte del coste de entrenamiento.

Una tercera configuración utiliza un intervalo temporal de seis horas con una resolución de 1 grado y 46 millones de parámetros. Ai2 describe su capacidad para pronósticos meteorológicos a corto plazo como competitiva y la dispersión de su conjunto como calibrada.

Cada configuración se publica con la semilla 0. Los modelos diarios también tienen las semillas 1 a 3 en un directorio aparte, y Ai2 afirma que la capacidad climática es consistente entre esas semillas. El repositorio también contiene checkpoints de modelos de ablación para reproducir las figuras del artículo, además de documentación sobre la procedencia de los checkpoints.

## Cambios respecto a ACE2

Ai2 afirma que el cuello de botella espectral reduce el número de parámetros de 456 millones en ACE2-ERA5 a 46 millones. Según la empresa, el intervalo temporal diario y el cuello de botella hacen que la inferencia sea 3,2 veces más rápida que en el modelo anterior.

En cuanto a la estructura de las precipitaciones, la ficha del modelo indica que ACE2.5-ERA5 conserva el 86 % de la potencia espectral de ERA5 en los números de onda 100–179, frente al 36 % de ACE2-ERA5. Ai2 afirma que, a partir del tercer día, la dispersión del conjunto del modelo coincide con el error con una diferencia inferior al 4 %.

Entre sus fortalezas declaradas figuran la respuesta de calentamiento atmosférico al forzamiento combinado de la temperatura de la superficie del mar y el dióxido de carbono entre 1940 y 2020, y la respuesta a la variabilidad de la temperatura de la superficie del mar asociada a El Niño. La ficha también describe como realista la distribución geográfica de los ciclones tropicales del modelo de seis horas e informa de una variabilidad precisa de la Oscilación Madden-Julian.

## Límites y datos

Según Ai2, la capacidad del modelo diario para hacer pronósticos meteorológicos a medio plazo es inferior a la de ACE2-ERA5, mientras que la versión de seis horas iguala al modelo anterior. Las sensibilidades individuales del modelo a la temperatura de la superficie del mar y al dióxido de carbono no son del todo realistas, y su variabilidad interanual de la temperatura media global de la superficie no está calibrada.

Ai2 no espera que el modelo generalice con precisión ante grandes perturbaciones, como una duplicación del dióxido de carbono. Entre las fortalezas del modelo, la empresa menciona la conservación exacta de la masa global de aire seco y de la humedad.

Los datos de entrenamiento están disponibles en un bucket de almacenamiento de Hugging Face, con remallados de ERA5 de 1 y 4 grados para el periodo de 1940 a 2025, en intervalos diarios y de seis horas. El bucket también contiene estadísticas de normalización y datos climatológicos de forzamiento; sus conjuntos de datos incluyen campos de temperatura, agua y viento en ocho niveles de presión, así como campos de superficie y diagnósticos.

Para ejecutar la inferencia, la ficha del modelo indica a los usuarios que descarguen un checkpoint, instalen las dependencias de *fme* y preparen una configuración que especifique el checkpoint, las condiciones iniciales y los datos de forzamiento.

## Fuentes

1. Fuente original [Ai2 · página 1](https://huggingface.co/allenai/ACE2.5-ERA5) huggingface.co

Otras páginas leídas

2. [Ai2 · página 2](https://huggingface.co/allenai/ACE2.5-ERA5/commits/main) huggingface.co
3. [Ai2 · Ace2.5 ERA5 reference data](https://huggingface.co/buckets/allenai/ACE2.5-ERA5-reference-data) huggingface.co
4. [The Deploy Log](https://deployedbyai.com/log/lane/models_apis/) deployedbyai.com

## Noticias relacionadas

- [Un borrador de demostración de Riemann escrito por una persona suscita objeciones con ayuda de la IA](https://ai.info/es/news/human-riemann-proof-draft-ai-assisted-challenges)
- [LangChain describe una fábrica de conocimiento para mantener al día a los agentes de IA](https://ai.info/es/news/langchain-knowledge-factory-ai-agents)
- [Los LLM reconocen solicitudes de mala conducta, pero suelen ayudar, según un preprint](https://ai.info/es/news/llms-research-misconduct-recognition-refusal-study)
- [Matemáticos debaten la calidad de las demostraciones tras el «apocalipsis matemático» de la IA](https://ai.info/es/news/mathematicians-debate-ai-mathocalypse-mit-panel)
- [MedChemBench de OpenAI pone a prueba el razonamiento de la IA en química medicinal](https://ai.info/es/news/openai-medchembench-medicinal-chemistry-reasoning)

## Explora

[Más artículos](https://ai.info/es/news)

---

Canonical: https://ai.info/es/news/ai2-ace25-era5-climate-emulator-checkpoints
