风和气象大模型

• 1. 概要 （全 348 文字）

  「风和」是中国气象局公共气象服务中心联合雄安气象人工智能创新研究院、智谱等单位研发的气象服务大语言模型，2026年7月17日在2026世界人工智能大会气象专会上正式发布，官方称其为「全球首个千亿参数级开源气象大语言模型」。它基于智谱 GLM-4.5-Air 基座（MoE 架构，总参数 106B、激活 12B），用 5000 万 tokens 气象服务语料和 49 万条场景化指令做了领域适配，主打智能气象问答、天气查询、风险预警和行业气象服务。发布当天同步启动全球开源计划，模型权重以 MIT 许可证在 GitHub、Hugging Face、ModelScope 三个平台开放，允许商用和二次开发，并提供 API、云服务与定制化部署方案。它的国际版已融入中国气象智能预警方案「妈祖」，面向全球用户提供中英文智能问答与风险分析。

• 2. 产品背景 （全 510 文字）

  风和的出品方不是创业公司，而是中国气象局体系内的公共气象服务中心，联合研发方包括雄安气象人工智能创新研究院和大模型公司智谱。2026年7月17日，2026世界人工智能大会气象专会在上海举办，这场专会由中国气象局与世界气象组织（WMO）联合主办、上海市气象局承办，风和就在这个场合发布，并当场宣布启动全球开源计划。   要理解风和的定位，得先看中国气象局的「风」系列 AI 模型矩阵。此前已投入业务运行的风雷（0 到 3 小时临近预报）、风清（全球中短期预报，3 分钟出全球预报、可用预报时效 10.5 天）、风顺（次季节到季节尺度预测，曾拿下 ECMWF AI 大赛第三赛季全球第一），都是解决「天气会怎样」的数值预报模型。风和补的是另一块：知道了天气之后怎么办。它是服务层的大语言模型，负责理解用户需求、生成自然语言建议、调用气象数据工具，是「风」系列矩阵的最后一块拼图。   官方公布的信息显示，风和基于地球系统数据资源基座训练了 5000 万词元的高质量气象服务语料，集成权威气象数据，已完成生成式人工智能备案。公共气象服务中心主任朱小祥在发布时表示，选择全面开源是「秉持开放共享、普惠包容」的理念，希望汇聚开发者、科研机构和国际伙伴共建气象 AI 生态。

• 3. 产品功能与使用体验 （全 833 文字）

  风和采用「双架构」设计：基座大模型负责理解需求和智能任务调度，配套的气象服务智能体平台提供工具调用、数据接入和智能体开发能力。官方称其覆盖 8 大类、60 多项专业气象服务，包括气象科普问答、天气查询、风险预警解读，以及出行、旅游、健康、物流、能源等行业场景的气象建议。风险预警类任务通过工具调用实现，比如问「上海当前是否有暴雨或台风预警」，模型会调接口查实时预警数据再组织回答，而不是凭参数记忆硬答。   从开源仓库看，技术细节相当扎实。GitHub 仓库 PMSCCMA/FengHe 于 2026 年 7 月 13 日创建，是官方部署工具箱，含中英双语 README；权重托管在 Hugging Face，ModelScope 上还有模型卡、训练数据说明和评测可视化。模型规格为 GLM-4.5-Air 基座的 MoE 架构，总参数 106B、每 token 激活 12B，46 层、128 个路由专家加 1 个共享专家，上下文长度 128K，支持中英双语、BF16 精度。推理支持 Transformers、vLLM、SGLang 三条路线，保留了 GLM-4.5 的混合思考模式开关和工具调用能力，提供 OpenAI 兼容接口。官方 vLLM 部署脚本默认按 8 卡 GPU、张量并行 8 配置，个人开发者想本地跑门槛不低。   评测方面，官方在自建的气象服务基准 MetsEval-1k（1076 道题，覆盖需求理解、内容生成、推理决策、工具调用四个维度）上给出总体得分 71.75，称高于多个国内外通用大模型。不过这是自建基准自评成绩，第三方独立评测目前还没有。   实际落地上，风和早期版本已被 18 个省市气象部门采用，公众端累计完成数十万轮对话。上海的 AI 气象问答接入了 70 多个气象接口、覆盖 200 多类问题，嵌入「上海知天气」App，还为 30 万物流从业者推送过中暑预警。广州则把它接入了服务第十五届全运会的气象微信小程序。官网 fenghe-ai.cma.cn 提供 60 多个气象特色接口，模型广场里除了风和还挂了 DeepSeek-R1、GLM、Qwen 等模型可选。

• 4. 定价与商业模式 （全 400 文字）

  风和走的是公共服务加开源生态路线，不是商业订阅模式。模型权重以 MIT 许可证完全开放，允许商用和二次开发，这在官方背景的大模型里算相当激进的开放姿态。中国气象局同步开放标准化 API 接口、云服务和定制化部署方案，允许全球用户把风和嵌入具身智能设备、App、小程序等各类终端。官方口径是「不仅开放模型代码，更提供一套完整的技术交付方案」。   对国内公众，风和以免费公共气象服务形式存在，通过各地气象部门的 App 和小程序触达用户。对开发者和机构，三大开源平台可直接下载权重自行部署。API 和云服务的具体计费方式官方暂未公开细节，定制化部署主要面向行业客户和国际合作伙伴。国际版则深度绑定「妈祖」方案——这个响应联合国「全民早期预警」倡议的国家级方案已在 40 多个国家云端应用，巴基斯坦、埃塞俄比亚、所罗门群岛等 7 国落地定制版，未来 5 年计划落地 30 国。风和在其中承担语言交互层，把专业预警信息转译成通俗的中英文问答。

• 5. 用户评价 （全 420 文字）

  由于发布时间很短，公开渠道的真实用户评价还比较有限。业务端的反馈主要来自气象系统内部：18 个省市气象部门采用、数十万轮公众对话，说明系统内认可度不低。上海物流从业者的中暑预警推送、广州全运会小程序这类场景化应用，被媒体当作正面案例反复引用。   开发者社区的反应集中在开源诚意上。有技术观察者核实了 GitHub 仓库和 Hugging Face 权重后确认「不是 PPT 开源」，MIT 许可证、完整部署工具链、OpenAI 兼容接口都给到了，这点收获了不少好评。但也有人指出 8 卡 GPU 的推荐部署配置对个人玩家不友好，以及「千亿参数」的说法有营销成分——106B 是 MoE 总参数，实际激活只有 12B，且基座是智谱现成的 GLM-4.5-Air，并非从零训练的气象专用模型。   知乎、微博上的讨论目前多为通稿转发，成规模的独立深度评价还没出现。海外技术社区（Hacker News、Reddit）也未见实质讨论，英文报道主要来自中国官媒英文版，西方开发者的独立评价暂时缺位。

• 6. 行业评价 （全 369 文字）

  主流媒体给足了版面。人民日报、央视、科技日报、经济日报都在发布当天或次日报道，核心叙事是「全球首个」和「开源出海」。WMO 层面的背书也不少：2026 年 5 月联合国科技创新论坛上「妈祖」获 WMO 重点推介，6 月 WMO 执理会第 80 届会议上再次展示，获得多国代表积极评价，WMO 秘书长绍罗肯定了其 AI 与早期预警结合的路线。   行业视角普遍把风和与伏羲、盘古气象、风乌、GraphCast、Aurora 等 AI 气象模型区分开：后者是数值预报模型，输出风温压湿等网格预报；风和是服务型 LLM，做的是预报之后的「翻译」和「陪聊」工作。这个定位差异让它避开了与谷歌、华为在预报精度上的直接竞争，切入了一个相对空白的赛道。发布会上还宣布建设中泰气象灾害智能预测预警联合实验室，这是全球首个气象 AI 应用领域的双边国际合作实验室，被视为风和加妈祖体系出海的标志性动作。

• 7. 争议与风险 （全 460 文字）

  第一个争议是「千亿参数」的表述。开源仓库明确显示风和是 106B-A12B 的 MoE 模型，激活参数只有 12B，且直接基于智谱 GLM-4.5-Air 做领域微调。「全球首个千亿参数级开源气象大语言模型」这个定语堆叠没有说错，但普通读者容易高估其规模和原创程度。   第二是幻觉与合规风险。学界已有讨论指出气象 LLM 面临地区偏见和幻觉两大挑战，虚构天气事件的后果可能比一般领域更严重。更关键的是法律边界：中国《气象法》规定天气预报由气象台站统一发布，此前已有自媒体用 AI 模型发台风预报被专家指涉嫌违法。风和作为气象局官方产品在体制内使用没有问题，但第三方拿 MIT 许可的权重二次开发后生成「预报类」内容，责任边界目前并不清晰。   第三是价值必要性的质疑。有观点认为普通用户查天气用现有 App 已经够了，气象 LLM 的增量价值存疑。支持方的回应是风和的价值在「数据到可执行行动」的转译，以及赋能缺乏算力和气象基础设施的发展中国家，这也是它绑定妈祖出海的逻辑。此外，自建基准 MetsEval-1k 的 71.75 分缺乏第三方复核，评测公信力有待时间检验。

• 8. 适用人群与使用建议 （全 350 文字）

  对国内普通用户，风和更多是「感知不到的基础设施」，通过各地气象 App 和小程序间接使用，不需要主动折腾。对气象、应急、物流、能源、文旅等行业的开发者和机构，风和加 MIT 许可证是目前最容易拿到的专业气象 LLM 起点，适合在其上叠加自有数据做行业助手；有 8 卡 GPU 资源的团队可以直接 vLLM 部署，资源有限的可以走官方 API 和云服务。对研究者，49 万条气象指令微调样本的构建思路和 MetsEval-1k 基准本身就有参考价值。   不适合的场景也很明确：想要预报精度提升的用户应该看风清、风乌、GraphCast 这类预报模型，风和不做预报；想做面向公众的「AI 天气预报发布」业务的团队要格外注意气象法的发布权限问题。替代方案上，通用大模型加天气 API 的组合可以覆盖一部分场景，但缺少风和的气象领域语料和预警工具链深度。

• 9. 总结 （全 150 文字）

  风和是官方队用开源打法做公共服务的一次标杆动作：技术上是 GLM-4.5-Air 的气象领域精调版，谈不上颠覆，但 MIT 许可证加完整交付方案的开放力度是实打实的，绑定妈祖出海的路线也让它有了超出国内气象服务的想象空间。短期看点是开发者生态能不能真长出来，长期看点是它能否成为发展中国家气象服务的事实标准。

詳細レポートはまだありません

• 

  Megan_Martin_Max

  —

  楼上说App够用的，风和做的不是「明天下不下雨」，而是「下雨了你该怎么办」，物流、能源、农业这些行业场景里差别大了去了。

---

• 

  xGuillermoLeón_2024

  —

  18 个省市气象部门都在用了，公众端累计几十万轮对话，上海那边还接进了知天气 App，给 30 万物流从业者推过中暑预警，落地速度比我想象中快不少。

---

• 

  ByronHarper

  —

  想要预报更准的别看错对象了，风和本身不做预报，它是把风清、风雷这些预报模型的结果翻译成人话的那一层，买错票的先搞清楚定位再吐槽。

---

• 

  TylerLopezIII62

  —

  MIT 协议，可商用可二次开发，这开放力度放在官方背景的模型里算相当激进了。

---

• 

  Roy.Clark_7

  —

  泼盆冷水。气象 LLM 的幻觉问题比一般领域严重得多，万一编造出一条不存在的预警信息，后果不堪设想。而且气象法规定天气预报要由气象台站统一发布，第三方拿 MIT 权重微调之后生成预报类内容，责任算谁的？这个边界现在完全没说清楚，商用之前建议先找律师聊聊。

---

• 

  Brandon_Reed_2020

  —

  实测支持 GLM-4.5 那套混合思考模式，复杂问题走深度推理、简单查询直接秒回，128K 上下文塞一整份气象服务报告进去都没问题。

---

• 

  云朵_3

  —

  fenghe-ai.cma.cn 上还有个模型广场，除了风和还挂着 DeepSeek-R1、GLM、Qwen 可以切换，60 多个气象特色接口，做行业应用的可以直接薅。

---

• 

  HenryJackson_X55

  —

  有人知道 API 怎么申请吗？官网只看到接口列表，计费方式愣是没找到在哪。

---

• 

  SavannahPerry

  —

  以前一直以为天气预报是玄学，后来才知道传统数值预报是拿超算把大气切成格子一格一格解方程，跑一遍要几个钟头，电费惊人。风和背后这套走的是另一条路，看过几十年历史天气之后凭「经验」直接给答案，几秒钟出结果。现在业务上是两个脑子搭着干，AI 先广撒网筛出可疑的极端天气，再让超算死磕重点，这个组合思路比谁取代谁靠谱多了。

---

• 

  ALbai

  —

  最戳我的是那句话——会被极端天气一巴掌打懵的，往往是最没本钱养超算的地方。某个随时可能被台风正面撞上的海岛，连一台像样的服务器都紧巴巴。过去提前三天知道大风要来，是要用一整座机房换的，现在开源模型把最贵的那段成本砍了下来，预警的门槛真的在往下掉，这才是开源最大的价值。

---

• 

  夏风_16

  —

  翻了下 ModelScope 的模型卡，所谓千亿参数其实是 106B 总参的 MoE，每次激活只有 12B，基座就是智谱的 GLM-4.5-Air，等于在通用模型上用 5000 万 tokens 气象语料加 49 万条人工标注指令做了领域微调。工作量是实打实的，但宣传里「千亿参数」这个说法多少有点唬人，不明真相的还以为是从零训的巨无霸。

---

• 

  Sophia_Perez32

  —

  国际版已经融进「妈祖」方案了，40 多个国家在云端用，中英文问答查天气。给没有超算的小国送预警能力，这事比刷榜有意义多了。

---

• 

  GEpet

  —

  那个比喻挺妙的，AI 气象模型像一个看过一百万次球落地的人，不列公式，纯靠见得多。但它判断台风到底有多强的时候容易想当然，而天气这事最要命的恰恰就是极端时刻。

---

• 

  Anna_Hernandez369

  —

  说实话查天气我用彩云就够了，这种大模型对普通用户的增量价值在哪，没太想明白。

---

• 

  JohnGreen_2023

  —

  吐槽一下，说是全面开源，但官方 vLLM 脚本默认 8 卡 GPU、张量并行开到 8，个人开发者哪来这个配置，想本地跑基本没戏，还是老实等 API 吧。

---

• 

  3shm72025

  —

  去 GitHub 看了眼 PMSCCMA/FengHe，MIT 许可证，权重在 Hugging Face 和 ModelScope 都能直接下，vLLM 和 SGLang 的部署脚本都给了，还带 OpenAI 兼容接口，确实不是 PPT 开源。

---

• 

  GAjen

  —

  微信小程序搜风和就能用，问了句周末去爬山合适吗，回答还挺具体，连穿衣建议都一并给了。

---

• 

  WhaleAlertWood

  —

  WAIC 气象专会上和世界气象组织一起搞的发布，还顺带官宣了中泰气象灾害联合实验室，出海的架势拉满。

---

• 

  兰花560

  —

  不只给菜谱，连全套厨具带运营手册都一起开源了，这个比喻笑死。

---

• 

  小鱼_19

  —

  任何一个国家哪怕气象观测网络不完善，也能拿中国 70 年完整气象序列训出来的底子，用本地少量数据微调出自己的智能气象服务系统。这个「技术平权」的说法我是认的，气象服务本来就该是公共品，而不是少数机构机房里的奢侈品。

---

• 

  JacquelineLopez_Plus

  —

  全球首个千亿参数级气象大语言模型，发布当场就宣布全球开源，国家队这波格局是真大。

---

• 

  顾龙强

  —

  会聊「天」的 AI，这名字起得风和日丽的，挺讨喜。

---

• 

  EMendoza_66

  —

  自建的 MetsEval-1k 基准上跑了 71.75 分，说比一堆国内外通用大模型都高。自己出题自己考，这成绩听听就好，等第三方评测出来再说。

---

• 

  BRtay

  —

  风字辈里风雷管临近预报、风清管中短期、风顺管次季节，风和是专攻公众和行业服务的千亿参数垂域模型，国家队这个矩阵布局思路已经很清晰了。

レビューはまだありません