風和氣象大模型
中國氣象局聯合智譜等釋出的全球首個千億引數級開源氣象大語言模型，提供智慧氣象問答、天氣查詢與風險預警服務，MIT 許可證全面開源
深度報告
-
「風和」是中國氣象局公共氣象服務中心聯合雄安氣象人工智慧創新研究院、智譜等單位研發的氣象服務大語言模型，2026年7月17日在2026世界人工智慧大會氣象專會上正式釋出，官方稱其為「全球首個千億引數級開源氣象大語言模型」。它基於智譜 GLM-4.5-Air 基座（MoE 架構，總引數 106B、啟用 12B），用 5000 萬 tokens 氣象服務語料和 49 萬條場景化指令做了領域適配，主打智慧氣象問答、天氣查詢、風險預警和行業氣象服務。釋出當天同步啟動全球開源計劃，模型權重以 MIT 許可證在 GitHub、Hugging Face、ModelScope 三個平臺開放，允許商用和二次開發，並提供 API、雲服務與定製化部署方案。它的國際版已融入中國氣象智慧預警方案「媽祖」，面向全球使用者提供中英文智慧問答與風險分析。
-
風和的出品方不是創業公司，而是中國氣象局體系內的公共氣象服務中心，聯合研發方包括雄安氣象人工智慧創新研究院和大模型公司智譜。2026年7月17日，2026世界人工智慧大會氣象專會在上海舉辦，這場專會由中國氣象局與世界氣象組織（WMO）聯合主辦、上海市氣象局承辦，風和就在這個場合釋出，並當場宣佈啟動全球開源計劃。 要理解風和的定位，得先看中國氣象局的「風」系列 AI 模型矩陣。此前已投入業務執行的風雷（0 到 3 小時臨近預報）、風清（全球中短期預報，3 分鐘出全球預報、可用預報時效 10.5 天）、風順（次季節到季節尺度預測，曾拿下 ECMWF AI 大賽第三賽季全球第一），都是解決「天氣會怎樣」的數值預報模型。風和補的是另一塊：知道了天氣之後怎麼辦。它是服務層的大語言模型，負責理解使用者需求、生成自然語言建議、呼叫氣象資料工具，是「風」系列矩陣的最後一塊拼圖。 官方公佈的資訊顯示，風和基於地球系統資料資源基座訓練了 5000 萬詞元的高質量氣象服務語料，整合權威氣象資料，已完成生成式人工智慧備案。公共氣象服務中心主任朱小祥在釋出時表示，選擇全面開源是「秉持開放共享、普惠包容」的理念，希望匯聚開發者、科研機構和國際夥伴共建氣象 AI 生態。
-
風和採用「雙架構」設計：基座大模型負責理解需求和智慧任務排程，配套的氣象服務智慧體平臺提供工具呼叫、資料接入和智慧體開發能力。官方稱其覆蓋 8 大類、60 多項專業氣象服務，包括氣象科普問答、天氣查詢、風險預警解讀，以及出行、旅遊、健康、物流、能源等行業場景的氣象建議。風險預警類任務透過工具呼叫實現，比如問「上海當前是否有暴雨或颱風預警」，模型會調介面查實時預警資料再組織回答，而不是憑引數記憶硬答。 從開源倉庫看，技術細節相當紮實。GitHub 倉庫 PMSCCMA/FengHe 於 2026 年 7 月 13 日建立，是官方部署工具箱，含中英雙語 README；權重託管在 Hugging Face，ModelScope 上還有模型卡、訓練資料說明和評測視覺化。模型規格為 GLM-4.5-Air 基座的 MoE 架構，總引數 106B、每 token 啟用 12B，46 層、128 個路由專家加 1 個共享專家，上下文長度 128K，支援中英雙語、BF16 精度。推理支援 Transformers、vLLM、SGLang 三條路線，保留了 GLM-4.5 的混合思考模式開關和工具呼叫能力，提供 OpenAI 相容介面。官方 vLLM 部署指令碼預設按 8 卡 GPU、張量並行 8 配置，個人開發者想本地跑門檻不低。 評測方面，官方在自建的氣象服務基準 MetsEval-1k（1076 道題，覆蓋需求理解、內容生成、推理決策、工具呼叫四個維度）上給出總體得分 71.75，稱高於多個國內外通用大模型。不過這是自建基準自評成績，第三方獨立評測目前還沒有。 實際落地上，風和早期版本已被 18 個省市氣象部門採用，公眾端累計完成數十萬輪對話。上海的 AI 氣象問答接入了 70 多個氣象介面、覆蓋 200 多類問題，嵌入「上海知天氣」App，還為 30 萬物流從業者推送過中暑預警。廣州則把它接入了服務第十五屆全運會的氣象微信小程式。官網 fenghe-ai.cma.cn 提供 60 多個氣象特色介面，模型廣場裡除了風和還掛了 DeepSeek-R1、GLM、Qwen 等模型可選。
-
風和走的是公共服務加開源生態路線，不是商業訂閱模式。模型權重以 MIT 許可證完全開放，允許商用和二次開發，這在官方背景的大模型裡算相當激進的開放姿態。中國氣象局同步開放標準化 API 介面、雲服務和定製化部署方案，允許全球使用者把風和嵌入具身智慧裝置、App、小程式等各類終端。官方口徑是「不僅開放模型程式碼，更提供一套完整的技術交付方案」。 對國內公眾，風和以免費公共氣象服務形式存在，透過各地氣象部門的 App 和小程式觸達使用者。對開發者和機構，三大開源平臺可直接下載權重自行部署。API 和雲服務的具體計費方式官方暫未公開細節，定製化部署主要面向行業客戶和國際合作夥伴。國際版則深度繫結「媽祖」方案——這個響應聯合國「全民早期預警」倡議的國家級方案已在 40 多個國家雲端應用，巴基斯坦、衣索比亞、索羅門群島等 7 國落地定製版，未來 5 年計劃落地 30 國。風和在其中承擔語言互動層，把專業預警資訊轉譯成通俗的中英文問答。
-
由於釋出時間很短，公開渠道的真實使用者評價還比較有限。業務端的反饋主要來自氣象系統內部：18 個省市氣象部門採用、數十萬輪公眾對話，說明系統內認可度不低。上海物流從業者的中暑預警推送、廣州全運會小程式這類場景化應用，被媒體當作正面案例反覆引用。 開發者社群的反應集中在開源誠意上。有技術觀察者核實了 GitHub 倉庫和 Hugging Face 權重後確認「不是 PPT 開源」，MIT 許可證、完整部署工具鏈、OpenAI 相容介面都給到了，這點收穫了不少好評。但也有人指出 8 卡 GPU 的推薦部署配置對個人玩家不友好，以及「千億引數」的說法有營銷成分——106B 是 MoE 總引數，實際啟用只有 12B，且基座是智譜現成的 GLM-4.5-Air，並非從零訓練的氣象專用模型。 知乎、微博上的討論目前多為通稿轉發，成規模的獨立深度評價還沒出現。海外技術社群（Hacker News、Reddit）也未見實質討論，英文報道主要來自中國官媒英文版，西方開發者的獨立評價暫時缺位。
-
主流媒體給足了版面。人民日報、央視、科技日報、經濟日報都在釋出當天或次日報道，核心敘事是「全球首個」和「開源出海」。WMO 層面的背書也不少：2026 年 5 月聯合國科技創新論壇上「媽祖」獲 WMO 重點推介，6 月 WMO 執理會第 80 屆會議上再次展示，獲得多國代表積極評價，WMO 秘書長紹羅肯定了其 AI 與早期預警結合的路線。 行業視角普遍把風和與伏羲、盤古氣象、風烏、GraphCast、Aurora 等 AI 氣象模型區分開：後者是數值預報模型，輸出風溫壓溼等網格預報；風和是服務型 LLM，做的是預報之後的「翻譯」和「陪聊」工作。這個定位差異讓它避開了與谷歌、華為在預報精度上的直接競爭，切入了一個相對空白的賽道。釋出會上還宣佈建設中泰氣象災害智慧預測預警聯合實驗室，這是全球首個氣象 AI 應用領域的雙邊國際合作實驗室，被視為風和加媽祖體系出海的標誌性動作。
-
第一個爭議是「千億引數」的表述。開源倉庫明確顯示風和是 106B-A12B 的 MoE 模型，啟用引數只有 12B，且直接基於智譜 GLM-4.5-Air 做領域微調。「全球首個千億引數級開源氣象大語言模型」這個定語堆疊沒有說錯，但普通讀者容易高估其規模和原創程度。 第二是幻覺與合規風險。學界已有討論指出氣象 LLM 面臨地區偏見和幻覺兩大挑戰，虛構天氣事件的後果可能比一般領域更嚴重。更關鍵的是法律邊界：中國《氣象法》規定天氣預報由氣象臺站統一發布，此前已有自媒體用 AI 模型發颱風預報被專家指涉嫌違法。風和作為氣象局官方產品在體制內使用沒有問題，但第三方拿 MIT 許可的權重二次開發後生成「預報類」內容，責任邊界目前並不清晰。 第三是價值必要性的質疑。有觀點認為普通使用者查天氣用現有 App 已經夠了，氣象 LLM 的增量價值存疑。支援方的回應是風和的價值在「資料到可執行行動」的轉譯，以及賦能缺乏算力和氣象基礎設施的發展中國家，這也是它繫結媽祖出海的邏輯。此外，自建基準 MetsEval-1k 的 71.75 分缺乏第三方複核，評測公信力有待時間檢驗。
-
對國內普通使用者，風和更多是「感知不到的基礎設施」，透過各地氣象 App 和小程式間接使用，不需要主動折騰。對氣象、應急、物流、能源、文旅等行業的開發者和機構，風和加 MIT 許可證是目前最容易拿到的專業氣象 LLM 起點，適合在其上疊加自有資料做行業助手；有 8 卡 GPU 資源的團隊可以直接 vLLM 部署，資源有限的可以走官方 API 和雲服務。對研究者，49 萬條氣象指令微調樣本的構建思路和 MetsEval-1k 基準本身就有參考價值。 不適合的場景也很明確：想要預報精度提升的使用者應該看風清、風烏、GraphCast 這類預報模型，風和不做預報；想做面向公眾的「AI 天氣預報釋出」業務的團隊要格外注意氣象法的釋出許可權問題。替代方案上，通用大模型加天氣 API 的組合可以覆蓋一部分場景，但缺少風和的氣象領域語料和預警工具鏈深度。
-
風和是官方隊用開源打法做公共服務的一次標杆動作：技術上是 GLM-4.5-Air 的氣象領域精調版，談不上顛覆，但 MIT 許可證加完整交付方案的開放力度是實打實的，繫結媽祖出海的路線也讓它有了超出國內氣象服務的想象空間。短期看點是開發者生態能不能真長出來，長期看點是它能否成為發展中國家氣象服務的事實標準。
使用者評論
-
Megan_Martin_Max—樓上說App夠用的，風和做的不是「明天下不下雨」，而是「下雨了你該怎麼辦」，物流、能源、農業這些行業場景裡差別大了去了。 -
xGuillermoLeón_2024—18 個省市氣象部門都在用了，公眾端累計幾十萬輪對話，上海那邊還接進了知天氣 App，給 30 萬物流從業者推過中暑預警，落地速度比我想象中快不少。 -
ByronHarper—想要預報更準的別看錯物件了，風和本身不做預報，它是把風清、風雷這些預報模型的結果翻譯成人話的那一層，買錯票的先搞清楚定位再吐槽。 -
TylerLopezIII62—MIT 協議，可商用可二次開發，這開放力度放在官方背景的模型裡算相當激進了。 -
Roy.Clark_7—潑盆冷水。氣象 LLM 的幻覺問題比一般領域嚴重得多，萬一編造出一條不存在的預警資訊，後果不堪設想。而且氣象法規定天氣預報要由氣象臺站統一發布，第三方拿 MIT 權重微調之後生成預報類內容，責任算誰的？這個邊界現在完全沒說清楚，商用之前建議先找律師聊聊。 -
Brandon_Reed_2020—實測支援 GLM-4.5 那套混合思考模式，複雜問題走深度推理、簡單查詢直接秒回，128K 上下文塞一整份氣象服務報告進去都沒問題。 -
雲朵_3—fenghe-ai.cma.cn 上還有個模型廣場，除了風和還掛著 DeepSeek-R1、GLM、Qwen 可以切換，60 多個氣象特色介面，做行業應用的可以直接薅。 -
HenryJackson_X55—有人知道 API 怎麼申請嗎？官網只看到介面列表，計費方式愣是沒找到在哪。 -
SavannahPerry—以前一直以為天氣預報是玄學，後來才知道傳統數值預報是拿超算把大氣切成格子一格一格解方程，跑一遍要幾個鐘頭，電費驚人。風和背後這套走的是另一條路，看過幾十年歷史天氣之後憑「經驗」直接給答案，幾秒鐘出結果。現在業務上是兩個腦子搭著幹，AI 先廣撒網篩出可疑的極端天氣，再讓超算死磕重點，這個組合思路比誰取代誰靠譜多了。 -
ALbai—最戳我的是那句話——會被極端天氣一巴掌打懵的，往往是最沒本錢養超算的地方。某個隨時可能被颱風正面撞上的海島，連一臺像樣的伺服器都緊巴巴。過去提前三天知道大風要來，是要用一整座機房換的，現在開源模型把最貴的那段成本砍了下來，預警的門檻真的在往下掉，這才是開源最大的價值。 -
夏風_16—翻了下 ModelScope 的模型卡，所謂千億引數其實是 106B 總參的 MoE，每次啟用只有 12B，基座就是智譜的 GLM-4.5-Air，等於在通用模型上用 5000 萬 tokens 氣象語料加 49 萬條人工標註指令做了領域微調。工作量是實打實的，但宣傳裡「千億引數」這個說法多少有點唬人，不明真相的還以為是從零訓的巨無霸。 -
Sophia_Perez32—國際版已經融進「媽祖」方案了，40 多個國家在雲端用，中英文問答查天氣。給沒有超算的小國送預警能力，這事比刷榜有意義多了。 -
GEpet—那個比喻挺妙的，AI 氣象模型像一個看過一百萬次球落地的人，不列公式，純靠見得多。但它判斷颱風到底有多強的時候容易想當然，而天氣這事最要命的恰恰就是極端時刻。 -
Anna_Hernandez369—說實話查天氣我用彩雲就夠了，這種大模型對普通使用者的增量價值在哪，沒太想明白。 -
JohnGreen_2023—吐槽一下，說是全面開源，但官方 vLLM 指令碼預設 8 卡 GPU、張量並行開到 8，個人開發者哪來這個配置，想本地跑基本沒戲，還是老實等 API 吧。 -
3shm72025—去 GitHub 看了眼 PMSCCMA/FengHe，MIT 許可證，權重在 Hugging Face 和 ModelScope 都能直接下，vLLM 和 SGLang 的部署指令碼都給了，還帶 OpenAI 相容介面，確實不是 PPT 開源。 -
GAjen—微信小程式搜風和就能用，問了句週末去爬山合適嗎，回答還挺具體，連穿衣建議都一併給了。 -
WhaleAlertWood—WAIC 氣象專會上和世界氣象組織一起搞的釋出，還順帶官宣了中泰氣象災害聯合實驗室，出海的架勢拉滿。 -
蘭花560—不只給菜譜，連全套廚具帶運營手冊都一起開源了，這個比喻笑死。 -
小魚_19—任何一個國家哪怕氣象觀測網路不完善，也能拿中國 70 年完整氣象序列訓出來的底子，用本地少量資料微調出自己的智慧氣象服務系統。這個「技術平權」的說法我是認的，氣象服務本來就該是公共品，而不是少數機構機房裡的奢侈品。 -
JacquelineLopez_Plus—全球首個千億引數級氣象大語言模型，釋出當場就宣佈全球開源，國家隊這波格局是真大。 -
顧龍強—會聊「天」的 AI，這名字起得風和日麗的，挺討喜。 -
EMendoza_66—自建的 MetsEval-1k 基準上跑了 71.75 分，說比一堆國內外通用大模型都高。自己出題自己考，這成績聽聽就好，等第三方評測出來再說。 -
BRtay—風字輩裡風雷管臨近預報、風清管中短期、風順管次季節，風和是專攻公眾和行業服務的千億引數垂域模型，國家隊這個矩陣佈局思路已經很清晰了。