AI气象模型实测榜单：ECMWF AIFS误差低于IFS，融合模型Darwin领先

天气预报的“真相时刻”：从物理方程到数据驱动

从前看天气预报，结果好坏基本只能被动接受。蒙对了算走运，偏差了也没处说理。如今不同了。对农民而言，提前一天得知霜冻，一季收成就能保住；电网调度员要靠准确的风速预测来定夺是否启用备用燃气机组；航空公司也拿它来安排哪些航班延误、哪些照常起飞。

这些实打实的决策，归根到底就一个问题：哪个模型更准？

几十年来，全球气象中心靠的都是物理方程驱动的传统数值天气预报（NWP）模型，在超级计算机上模拟大气的每一点变化。不过最近三年，一批用历史数据训练出来的AI气象模型冒了出来，径直闯进这个老地盘。眼下，两类模型在世界主要气象中心里同时运行着。

那么问题就来了：明天、三天后、一周后的天气，该信哪一个？过往的学术论文只能回看几年的表现，既滞后又是静态的。FINAL-Bench团队搭了一个每日更新的公开榜单，拿真实发生的数据给全球主流气象模型打分，为的是拿到“当下”的答案。

榜单是怎么跑出来的？

这个项目叫“Global Weather Model Leaderboard”，思路很直接：不看宣传，只看实际表现。

系统每天记录各大模型对全球六大洲24个代表性城市未来10天的预报。等某天的实际观测值公布（依据ERA5再分析数据），它再回头算出所有针对那一天的预报误差，更新累计排名。

参与PK的选手包括：

• 传统物理模型：ECMWF IFS（欧洲中期天气预报中心）、NOAA GFS（美国国家海洋和大气管理局）、DWD ICON（德国气象局）、JMA GSM（日本气象厅）、ECCC GEM（加拿大环境部）以及挪威气象局模型。
• AI模型：ECMWF AIFS、NOAA AIGFS。
• 融合模型：Darwin-Prediction-Weather（由VIDRAFT开发）。

考核盯的是四个核心指标：日最高气温、日最低气温、日最大风速和日总降水量。评分用均方根误差（RMSE），数值越低越准。公平起见，只有一个案例中所有模型都发布了针对某地某天的预报，它才会被计入统计。

2026年的数据说明了什么？

截至2026年11月7日的数据，露出两个明显的趋势。

头一个，AI模型已经全面领跑。各国气象中心的官方模型里，ECMWF的AI模型AIFS在1天到10天的所有预报时效上，误差都低于自家的传统物理模型IFS。NOAA的AI模型AIGFS也一样，全面压过传统的GFS。至少在目前的测试条件下，数据驱动的方法在捕捉大气规律上已经跑赢了纯物理方程求解。

第二个，融合比单打独斗更强。Darwin-Prediction-Weather在全部四个要素、1到7天的所有预报时效上，都拿到了最低的误差值。它的做法不是对单一模型小修小补，而是加权融合多个全球强模型的预报结果，再针对局部地区做温度和风速修正。

具体的数据差距是这样的：

• 日最高气温：第1天预报里，Darwin误差只有0.84°C，紧随其后的ECMWF AIFS为1.35°C。到第7天，Darwin误差2.09°C，AIFS则拉大到2.41°C。
• 日最大风速：这是传统模型的短板。第1天Darwin误差2.25 km/h，AIFS高达3.60 km/h。风速难就难在突变性，AI模型似乎更擅长从历史模式里学到这种非线性变化。
• 降水量：降水是最难预测的要素。差距虽然收窄，Darwin依然领先。第1天误差4.15mm对4.33mm，第7天7.11mm对7.30mm。

随着预报时效拉长，所有模型的误差都在增加，这是气象学的常识。但Darwin的误差曲线始终压在最下方，稳定性更好。

谁在什么地方赢？

全球平均分常常会盖住地域差异。某个模型可能在热带表现很好，到了高纬度地区却拉胯。榜单提供了按时间段、预报时效和城市细分的视图。

从各月冠军的分布看，没有一个模型能把全年月份都拿下。季节更替会明显牵动模型表现。拿季风季来说，有些模型对降水的把握会突然变差，融合模型则能借其他来源的数据把这个短板补上。

落到城市层面，山区、沿海这类地形复杂的城市，向来是传统物理模型的难处——网格分辨率就摆在那儿。经过局部修正的Darwin模型，在这些难啃的城市里表现得更稳。

Darwin模型是如何运作的？

Darwin-Prediction-Weather的思路其实不复杂：三个臭皮匠，顶个诸葛亮。但它做的不是简单平均，而是“技能加权融合”。

预报引擎会持续评估各全球模型近期的发挥，表现好的加权更高，表现差的就压低权重。另有一个叫Darwin-27B的大语言模型充当决策核心。该模型经过校准，能把复杂的气象场数据转成具体的决策建议，比如“是否超过阈值”“各类天气发生的概率”等。

日常榜单之外，Darwin在学术界标准测试WeatherBench 2上也创下新纪录。2020年确定性协议测试里，2米气温、500hPa位势高度和850hPa气温这三个关键变量，配上1、3、5、7、10天共5个时效，全部15个评估单元的误差它都最低。

以2米气温为例，Darwin第10天误差是1.984K，此前官方榜单最好成绩为2.022K。500hPa位势高度是反映高空大气环流的关键指标，这一项第10天误差595.4 m²/s²，也优于此前最佳的606.5 m²/s²。成绩不是黑盒操作，所有预报文件都已公开，并交给WeatherBench 2团队审核。

开放与透明：用数据说话

这个项目最值钱的地方，或许不是谁赢了，而是“公开”。

原始数据、每日预报记录、观测值和代码全部开源。谁都能去Hugging Face翻CSV格式的每日档案，核对排名是真是假。这层透明度冲破了气象预报领域以往的信息壁垒。过去模型好不好，常由发布机构自己说了算，或者只在小圈子里流通。现在开发者、研究者乃至普通用户，都能拿着数据去质疑、去分析。

榜单还有个“Live Earth”功能，一键就能看全球风场、云图、降雨雷达和温度的实时地图，卫星图上还标出每个城市当前的“冠军”模型。抽象误差数据经这样可视化，变得直观可感。

后续会怎样？

8到10天的中长期预报会逐步得到验证，排名也会跟着动态变化。团队打算接入更多地面站点的实测数据，与ERA5再分析数据互相补位。说到底，再分析数据也经过模型同化，地面站点才是真实的“地面真相”。

城市覆盖数量和气象要素同样会增加。后面还准备在Hugging Face上线一个“预报游戏”，让普通人也能提交自己的预报，跟这些顶级模型同场比一比。

气象预报正处在范式转移之中。从纯动力学方程，到数据驱动的深度学习，再到二者融合，技术迭代之快超出想象。对用户来说，这意味着更精准的决策依据；对行业来说，可能意味着能源调度更优、农业损失更少、物流效率更高。

在这个开放的竞技场里，没有永远的冠军，只有不断逼近真实的答案。手头有新模型，或者发现数据异常，都可以去社区提Issue。更好的预报，本就来自公开的比较与碰撞。