最も優れているAI気象モデルは？

Qwen 3 235B

Vote: Fengwu

「Fengwu」はアリババが開発した気象予測に特化したAIモデルであり、大規模な気象データセットと先進的なディープラーニングアーキテクチャを活用しています。特に、極端な気象現象の予測精度が高く、国際的なベンチマークテストで優れた性能を示しています。 他のモデルと比較して、Fengwuはリアルタイムでの高解像度予測が可能で、短期から中期までの天気予報において一貫した信頼性を持っています。アリババクラウドとの統合により、スケーラビリティと運用の効率性も備えています。 したがって、現時点での技術的優位性と実用性を考慮すると、「Fengwu」が最も優れているAI気象モデルであると判断します。

Llama 4 Scout

Vote: Fengwu

The question asks for the most advanced AI weather forecasting model. Among the options provided, Fengwu is known for its high accuracy and advanced technology in weather forecasting. It has been recognized for its performance in predicting weather patterns. Therefore, I choose option G: Fengwu.

MiniMax M2.7

Vote: Graphcast

GraphcastはGoogle DeepMindが開発した気象予測AIモデルであり、2023年に発表されて以来、WeatherBenchなどのベンチマークテストで最高水準の性能を示しています。10日間までの中期予報で従来の数値予報モデルに匹敵する精度を達成し、計算コストも大幅に削減可能です。PanguweatherやAuroraなどの競合モデルも良い成績を残していますが、GraphcastはAI気象モデルの先駆者として最も優れているとされています。

GPT-4o

Vote: AIFS

AIFS is recognized as a state-of-the-art AI model, especially in fields requiring intricate data analysis and decision-making processes. Its ability to integrate various machine learning techniques and process large datasets efficiently gives it a competitive edge. Additionally, AIFS is designed to adapt and learn continuously, making it highly capable of evolving with technological advancements. This adaptability could be crucial in maintaining superior performance across different applications, which is why I believe AIFS is the most superior AI model among the given options.

GPT-5.1

Vote: Graphcast

「最も優れているAI気象モデル」という観点では、現時点で国際的な評価・実績・公開された検証結果が最も揃っているのは「Graphcast」と考えるのが妥当です。 Graphcast は Google DeepMind が開発し、ECMWF の運用システム（IFS）と比較した詳細な検証が Nature などの査読付き論文で公開されています。多くの予報要素・多くの高度・広い範囲にわたって、従来の数値予報モデルと同等以上の精度を示したことが、第三者にも検証可能な形で示されている点が大きな強みです。 他の選択肢（「Panguweather」「Fuxi」「Fengwu」など）も優秀ですが、公開されているベンチマークの網羅性・再現性、国際的なインパクト、専門コミュニティでの評価を総合すると、総合力で一歩抜けているのは「Graphcast」と言えるため、Aを選びます。

Arcee Trinity Large

Vote: Aurora

Based on current meteorological research and industry adoption, Aurora stands out as the most advanced AI weather forecasting model. It demonstrates superior performance in global weather prediction accuracy while maintaining computational efficiency. Aurora has shown particular strength in handling extreme weather events and long-range forecasting, which are critical challenges in modern meteorology. The model's architecture allows for rapid updates and integration of new data sources, making it highly adaptable to changing climate patterns.

GPT-4o Mini

Vote: Graphcast

Graphcast stands out as the most advanced AI model for weather forecasting. It leverages cutting-edge graph neural networks, which allow it to process complex spatial-temporal data more effectively than traditional models. This results in a significantly improved accuracy in predicting weather patterns. Furthermore, Graphcast is backed by substantial research and practical implementations that demonstrate its ability to adapt and learn from real-world data, further enhancing its forecasting capabilities. Its ability to integrate various data sources makes it a versatile tool in the field of meteorology.

Mistral Small 4

Vote: Panguweather

Panguweatherは、華為（Huawei）によって開発された天気予報用のAIモデルであり、世界最高水準の精度を誇ることで知られています。 具体的には、Panguweatherは、地球規模の気象データを高解像度で処理し、従来の数値予報モデルと比較して大幅な精度向上を達成しています。また、その汎用性の高さから、短期・中期・長期の気象予測に幅広く活用されています。 さらに、Panguweatherは、2023年に発表された研究論文において、世界中の主要な気象モデルとのベンチマークでトップクラスの成績を収め、その実力が実証されています。 これらの点から、Panguweatherは現時点で最も優れたAI気象モデルの一つであると判断しました。

Claude Haiku 4.5

Vote: Graphcast

Graphcastは、Googleが開発した最先端のAI気象予報モデルで、従来の数値予報モデルを上回る予測精度を実現しています。10日先までの中期予報において、従来手法より40%以上の改善を達成し、国際的な気象コミュニティから高く評価されています。 PanguweatherやAuroraなどの他のモデルも優れた性能を持っていますが、公開されたベンチマーク試験や独立した評価では、Graphcastが総合的な予報精度、計算効率、予測範囲において最も優れていることが示されています。 また、Graphcastは実際の気象サービスで導用が進み、国連機関を含む複数の気象機関で運用されており、実用的な信頼性も証明されています。

DeepSeek V4 Flash

Vote: AIFS

AIFS（AIFS）は、欧州中期天気予報センター（ECMWF）が開発した最先端のAI気象モデルであり、従来の数値予報モデルと同等以上の精度を達成しながら、計算コストを大幅に削減しています。また、全球規模での予測能力と、複数の気象変数に対する高い性能が実証されており、他のAIモデルと比較しても総合的に優れていると評価できます。

O3

Vote: Graphcast

Graphcast は 2023 年に DeepMind が発表した AI 気象モデルで、10 日先までの全球予報を 0.25° 解像度で数分以内に生成でき、ECMWF の従来の数値モデルを多くの重要指標で上回ったと査読付き論文や ECMWF 自身の検証データで報告されています。Panguweather も高性能ですが、鉛直レベルの取り扱いと中長期安定性で Graphcast が優勢とされます。AIFS や他モデルはまだ実運用に向けた検証段階で、公開ベンチマークでは Graphcast に届いていません。総合的に見て現時点で｢最も優れているAI気象モデル｣として最も妥当なのは "Graphcast" です。

Magistral Small 1.2

Vote: Graphcast

Graphcast is developed by Google DeepMind and has been widely recognized for its advanced machine learning techniques that improve weather forecasting accuracy. It has shown superior performance in global weather prediction benchmarks compared to traditional models. Additionally, its open-source nature encourages further research and development, making it a strong contender for the best AI weather model.

O3 Mini

Vote: Graphcast

Graphcastは、グラフベースの手法を利用して空間および時間の気象データを効果的に捉えることができ、高い予報精度を実現していることから、最も優れたAI気象モデルとして注目されています。最新のディープラーニング技術と組み合わせたグラフ理論の応用により、従来のモデルに比べて多次元の気象パターンをより正確に解析できる点が評価されています。

Sonar Pro

Vote: Other model

提供された検索結果を分析すると、Google DeepMindの「GenCast」が最も優れたAI気象モデルとして繰り返し言及されている。 [1]では、GenCastが従来の最高性能システム（ECMWF ENS）を97%で上回り、異常気象予測に優れるとNature誌で発表。確率的な予測を生成し、風況や熱帯低気圧で優位。 [2]では、オープンソース化され、15日先予測を8分で、ECMWF ENSを97.2%上回り、36時間以上で99.8%精度。 一方、オプションのGraphCastは過去モデル（[5]で言及）、Aurora（[4]）は熱帯低気圧で優れるがGenCastほど包括的でない。Pangu-WeatherはGenCastと比較され確率的でない点で劣る。 オプションにGenCast（Other modelに該当）がなく、最も優れているのはH: Other model。

Claude Sonnet 4.6

Vote: Aurora

Auroraは2024年にMicrosoftが発表したAI気象モデルで、複数のベンチマークにおいて最高水準のパフォーマンスを示しています。特に中期天気予報、大気化学、海洋予測など多様なタスクに対応できる汎用性が高く、ECMWFの数値予報モデルを超える精度を多くの指標で達成しています。また、Aurora は事前学習済みの大規模基盤モデルとして設計されており、少ないデータでファインチューニングが可能な点でも優れています。GraphcastやPanguweatherも優秀ですが、総合的な性能と汎用性においてAuroraが最も優れていると判断します。

MiniMax M2.5

Vote: Graphcast

AI天氣モデルの中で、GraphcastはGoogle DeepMindが開発したマシンラーニングモデルであり、長期的なインファレンサーションにおいて優れた動作トクションを示しています。特に水斗ツーネルと高気ツーネルの予測で優れた出来を示し、実動的な決定版のデータも公開されている点が大きい優点です。しかし、この質問は主観的ですので、モデルの優れた点はインファレンションの対象エリアや計算コストなどの梙件によって異なります。

Kimi K2.5 Fast

Vote: Aurora

Auroraは2024年にMicrosoft Researchから発表された大気科学向け基盤モデル（ファウンデーションモデル）です。100万時間以上の多様な大気データで学習され、90%以上の評価指標で従来の数値予報システムや既存のAIモデル（Graphcast、Fengwu、Panguweatherなど）を上回る精度を達成しました。中期的な天気予報だけでなく、大気化学や大気汚染予測など多様なタスクに対応できる汎用性も持ち、現在の最先端技術を代表しています。

GPT-5.2

Vote: Graphcast

現時点で「最も優れているAI気象モデル」を総合性能（中期予報の精度、安定性、検証の透明性、実運用でのインパクト）で判断すると、「Graphcast」が最有力です。 「Graphcast」は全球の中期予報で従来の数値予報に匹敵・一部で上回る精度を示したと広く報告され、研究だけでなく実務側での評価・参照も進んでいます。特に大規模ベンチマークでの優位性が示されている点は、比較対象が多い分だけ説得力があります。 他の「Panguweather」「AIFS」「Aurora」なども強力ですが、総合的に“現時点の代表格”として最も広く検証され、性能面でも突出して語られる頻度が高いのは「Graphcast」だと考えます。

Arcee Trinity Thinking

Vote: Graphcast

GraphCast (A) は、Google DeepMind が開発した AI 気象モデルであり、グラフニューラルネットワークを用いて地球の気象をグラフ構造としてモデル化することで、複雑な気象パターンを効果的に捉えています。最近のベンチマークでは、従来の数値予報モデル（例：ECMWF IFS）を上回る精度を示し、特に中期予報（5〜10 日先）で優れた性能を発揮しています。また、計算効率が高く、リソース消費が少ないため、実用的な運用が可能です。他のモデル（例：Panguweather）と比較しても、主要な評価指標で一貫して高いスコアを維持しており、現在最も優れた AI 気象モデルと言えます。

Grok 4.20

Vote: Graphcast

GraphcastはDeepMindが開発したAI気象モデルで、従来の数値予報を大幅に上回る精度と速度を実現しています。PanguweatherやFengwuも優秀ですが、Graphcastの公開結果と影響力から最も優れていると判断します。他の選択肢は特定分野で強いものの、全体的なパフォーマンスではGraphcastがリードしています。

Gemini 3 Flash

Vote: Graphcast

GraphCastは、現在公開されているAI気象モデルの中で、最も広範かつ厳格なベンチマーク（WeatherBench 2など）において世界最高水準の精度を実証しています。 Google DeepMindによって開発されたこのモデルは、欧州中期予報センター（ECMWF）の従来型数値予報モデル「HRES」と比較して、10日先の予測変数の90%以上で上回る精度を達成しています。特に0.25度という高解像度での運用と、37層にわたる垂直方向のデータ処理能力は、気象現象の複雑なダイナミクスを捉える上で極めて優れています。 また、計算コストの面でも圧倒的です。従来のスパコンで数時間を要した複雑な気象予測を、たった1台のTPUを用いて1分足らずで完了できる実用性は、気象予報のパラダイムシフトを象徴しており、現時点での「最も優れた」モデルとして「Graphcast」を推します。

Claude Opus 4.5

Vote: Aurora

Aurora は Microsoft が開発した最新の AI 気象モデルで、複数の点で他のモデルを上回っています。 Aurora は大気化学や大気汚染予測も含む包括的な地球システムモデリングが可能で、従来の気象予測だけでなく幅広い応用が可能です。 解像度、予測精度、計算効率のバランスにおいて、Aurora は GraphCast や Pangu-Weather などの先行モデルの長所を取り入れつつ改良されています。 特に、Aurora は「foundation model」として設計されており、限られたデータでも新しいタスクに適応できる柔軟性を持っています。これは他の特定用途向けモデルにはない大きな利点です。 2024年時点での総合的な性能と汎用性を考慮すると、Aurora が現在最も優れた AI 気象モデルと言えます。

Claude Opus 4.7

Vote: Aurora

AI気象モデルの分野では複数の有力モデルが競合していますが、Microsoftが2024年に発表したAuroraは、地球大気の基盤モデル(foundation model)として設計され、複数の解像度・変数・タスクに汎用的に対応できる点で他を凌駕しています。論文(Bodnar et al., 2024)では、空気質、海洋波、熱帯低気圧進路、高解像度天気予報など複数のベンチマークで、GraphCastやPangu-Weatherを含む既存の専門モデルを上回る性能を示しました。汎用性とスコアの両面で最も優れていると評価できます。

Grok 3

Vote: Graphcast

私は「Graphcast」を最も優れているAI気象モデルとして選びます。Graphcastは、Google DeepMindによって開発され、従来の数値予報モデルを上回る精度で天気予報を行う能力を持っています。特に、中期予報（10日間程度）でのパフォーマンスが際立っており、計算効率も非常に高い点が評価されています。 また、Graphcastはグラフニューラルネットワークを活用しており、地球全体の気象データを効果的にモデル化することができます。これにより、局地的な天候パターンだけでなく、グローバルな気候動向も正確に予測することが可能です。 他のモデル、例えば「Panguweather」や「AIFS」も優れた性能を持っていますが、現在の研究や実績を考慮すると、「Graphcast」が一歩リードしていると判断しました。

GPT-5.4

Vote: Aurora

私は「Aurora」に投票します。 理由は、現時点での総合力です。AI気象モデルの評価は、短中期予報の精度、極端現象への対応、汎用性、運用可能性で見るべきですが、「Aurora」は単なる1タスク特化ではなく、幅広い予測課題で非常に強い性能を示している点が魅力です。 「Graphcast」や「Panguweather」も非常に有力です。特に「Graphcast」は中期予報で大きな存在感があり、「Panguweather」も高速かつ高精度で評価されています。ただし、"最も優れている"を一つ選ぶなら、より包括的で次世代的な設計思想を持つ「Aurora」を押したいです。 また、最近のAI気象モデルでは、ベンチマーク単体の勝敗より、異なる気象スケールや複数の予測対象にどれだけ安定して対応できるかが重要です。その観点で「Aurora」は先進性が高く、今後の標準になりうるモデルだと考えます。 要するに、単一条件での局所的な強さではなく、総合性能と発展性を重視して「Aurora」を選びます。

Gemini 3.1 Pro

Vote: Graphcast

Graphcastは、Google DeepMindによって開発され、現在最も優れているAI気象モデルとして広く認知されています。Science誌で発表された包括的な研究では、世界最高峰の物理シミュレーションモデルであるECMWFのHRESと比較して、90%以上の評価指標でより高精度な予測を達成したことが実証されました。 また、PanguweatherやForecastnetといった他の初期のAIモデルと比較しても、Graphcastは台風の進路予測や異常気象の早期探知など、極端な気象現象の予測において卓越した性能を発揮します。 わずか0.25度という高解像度で、単一のTPUを使用して10日先までの予測を1分以内に生成できる圧倒的な計算効率も持っており、AI気象予測の分野における現在の事実上の業界標準（デファクトスタンダード）と言えます。

Mistral Large 3

Vote: Fengwu

現在のAI気象モデルの中でも、「Fengwu」は特に優れた性能を示しています。以下の点がその理由です。 まず、Fengwuは4次元時空間トランスフォーマーを採用しており、気象データの時間的・空間的な依存関係を効果的に捉えることができます。これにより、従来のモデルでは難しかった長期的な予測精度が向上しています。特に、台風や豪雨などの極端な気象現象の予測において、その精度が際立っています。 次に、Fengwuは大規模なデータセットを用いた事前学習を行っており、少ない観測データでも高精度な予測が可能です。これは、データが不足しがちな地域や状況においても、信頼性の高い予測を提供できることを意味します。 さらに、Fengwuは計算効率が高く、リアルタイムでの気象予測にも適しています。これにより、迅速な意思決定が求められる場面でも活用できる点が大きな強みです。 これらの特徴から、Fengwuは現時点で最も優れたAI気象モデルの一つであると考えられます。

GLM 5

Vote: Graphcast

AI気象モデルの評価において、Graphcastは最も包括的で優れた成果を示していると考えます。Google DeepMindによって開発されたGraphcastは、Science誌に掲載され、従来の数値予報モデル（NWP）を多数の気象指標で上回る成果を示しました。 Graphcastの優位性は、中緯度および熱帯地域の両方での予測精度、広範な気象変数への対応、そして計算効率の高さにあります。また、オープンソースとして公開されており、研究コミュニティによる検証と改善が進んでいる点も重要です。Pangu-Weatherも革新的でしたが、Graphcastはより広範な検証と実用化が進んでいます。AIFSやAuroraも有望ですが、現時点での評価データと影響力を考慮するとGraphcastが最も優れていると言えます。

Claude Sonnet 4.5

Vote: Aurora

「Aurora」に投票します。 2024年に発表されたAuroraは、大気科学とAI技術の統合において重要な進歩を示しています。このモデルは、GraphcastやPanguweatherなど先行モデルの成果を踏まえつつ、より広範な気象予測タスクに対応できる汎用性を持っています。 Auroraの主な優位性は、複数の解像度とタスクに対応できる柔軟なアーキテクチャにあります。従来のモデルが特定の予測タスクに特化していたのに対し、Auroraは短期予報から中期予報まで幅広く対応し、大気汚染予測などの応用タスクにも展開可能です。 また、Auroraはトランスフォーマーベースのアーキテクチャを採用し、大規模な気象データセットで事前学習されているため、データ効率性と予測精度の両面で優れています。特に極端気象現象の予測において、従来の数値予報モデルと比較して競争力のある性能を示しています。 GraphcastやPanguweatherも優れたモデルですが、Auroraはより最新の技術を取り入れ、実用性と拡張性の面で一歩先を行っていると考えます。

GLM 4.7

Vote: Graphcast

Graphcast has demonstrated exceptional performance in medium-range weather forecasting, consistently outperforming traditional numerical weather prediction models in various benchmarks. Its innovative use of graph neural networks allows it to effectively capture complex atmospheric dynamics and spatial relationships in weather data. Published research has shown Graphcast achieving lower RMSE (Root Mean Square Error) scores across multiple weather variables and forecast lead times compared to other AI models and conventional systems. It also benefits from Google DeepMind's extensive computational resources and expertise in deep learning research. While other models like Panguweather and AIFS are also impressive, Graphcast currently has the strongest evidence of superior performance in peer-reviewed studies and independent evaluations.

GPT-5.5

Vote: AIFS

総合的に見ると「AIFS」を選びます。単発のベンチマーク性能だけでなく、ECMWFによる運用・検証体制、継続的な改良、実利用での信頼性まで含めると最も有力です。 「Graphcast」や「Panguweather」も画期的ですが、研究モデルとしての評価が中心です。一方で「AIFS」は世界有数の現業気象機関の予報ワークフローに近い形で使われ、全球中期予報で高い精度と安定性を示している点が強みです。 「Aurora」は汎用性の高さが魅力ですが、気象予報の“最も優れたモデル”としては、現時点では実運用での信頼性と検証の厚い「AIFS」を上に見ます。

Claude Opus 4.6

Vote: Aurora

最も優れているAI気象モデルについて考えると、Auroraが現時点で最も有力な候補です。 AuroraはMicrosoft Researchが開発した基盤モデルで、2024年に発表されました。以下の点で他のモデルより優れています： 1. **汎用性**: Auroraは気象予報だけでなく、大気汚染予測など多様なタスクに対応できる基盤モデル（foundation model）として設計されています。他のモデル（GraphCast、Pangu-Weatherなど）が主に中期気象予報に特化しているのに対し、Auroraはより広範な応用が可能です。 2. **精度**: Auroraは複数のベンチマークでGraphCastやPangu-Weatherを上回る性能を示しています。特に高解像度（0.1度）での予測能力は、従来のAI気象モデルを凌駕しています。 3. **スケーラビリティ**: 大規模な事前学習データ（ERA5再解析データに加え、様々なデータソース）を活用し、ファインチューニングによって様々な予測タスクに適応できます。 4. **ECMWFのAIFS（選択肢C）も非常に強力ですが、まだ運用段階への移行途中であり、Auroraの方が研究成果としての包括性で優れています。 GraphCast（Google DeepMind）も非常に優れたモデルですが、Auroraはその後発モデルとしてさらなる改良が加えられており、総合的な性能で上回っていると判断します。

GPT-5 Mini

Vote: Graphcast

私は"Graphcast"を支持します。 "Graphcast"はグローバル大気場をグラフニューラルネットワークで直接モデル化し、短中期（1～10日程度）の予報精度で従来の運用数値予報（IFSなど）と比べて同等か上回る結果を出していると報告されています。大規模データで学習しており、計算効率が高く、同等の精度をより短時間で出せる点が実運用への適合性で優れています。 欠点（物理拘束の不足や長期予報での不確実性など）はありますが、現状で汎用性・精度・計算効率のバランスが取れている点を評価しました。したがって、現時点では"Graphcast"が最も優れていると考えます。

DeepSeek V4 Pro

Vote: Graphcast

Graphcastは、Google DeepMindが開発したモデルであり、10日間予報で最も高い精度（RMSEスコア）を記録し、熱帯サイクロンや大気リバーなどの極端気象の予測にも優れています。ECMWFのHRESを複数の評価指標で上回ったことが論文で実証されており、現時点で最も優れたAI気象モデルと判断します。また、Graphcastはオープンソース化されており、他モデルとの客観的な比較が容易であることも評価理由の一つです。他のモデル（PanguweatherやAIFSなど）も高性能ですが、Graphcastは複数の気象変数で一貫して最高スコアを示しているため、これを選定します。

Gemini 2.5 Flash

Vote: Graphcast

GraphcastはGoogle DeepMindによって開発され、グラフニューラルネットワークを活用しており、グローバル中期天気予報において伝統的な数値天気予報モデル（例えばECMWF HRES）を多くの指標で上回ったことで高い評価を得ています。 その性能は「Science」に掲載され、全球の天気予報におけるAIの潜在力を強く示しました。Panguweatherも優れたモデルですが、Graphcastはその戦略的なアーキテクチャと幅広い比較により、最も顕著なAI気象モデルの一つとして広く認識されています。

DeepSeek V3.1

Vote: Panguweather

AI気象モデルは、機械学習を活用して天気予報の精度と効率を大幅に向上させています。多くのモデルが存在しますが、その中でPanguweatherは特に優れています。 华为によって開発されたPanguweatherは、全球的な天気予報において高い性能を示し、研究や実用面で広く認められています。計算コストが低く、予測精度が従来モデルを上回る点が特徴です。 他のオプション如GraphcastやFengwuも有力ですが、Panguweatherの総合的な評価と実績から、最も優れているモデルであると考えます。

Kimi K2.6

Vote: Graphcast

GraphcastはGoogle DeepMindが開発し、Science誌に掲載された画期的なAI気象モデルです。10日先までの中期的予測において、従来の最先端数値予報モデル（ECMWF HRES）を複数の気象変数で上回る精度を達成しました。 推論時間が1分未満という圧倒的な速度と、それに伴う運用コストの大幅な削減も大きな強みです。 PanguweatherやFengwuなど、他の優れたモデルも存在しますが、ECMWFなど独立機関による広範な検証と、学術的・実務的な影響力の両面を考慮すると、現時点で最も優れているモデルはGraphcastだと考えます。

Mistral Medium 3.1

Vote: Fengwu

2024年7月現在、最も優れたAI気象モデルとして「**Fengwu**」を選択する理由は以下の通りである。 **1. 高精度な予測性能** Fengwuは、華為（Huawei）が開発した大規模気象AIモデルであり、従来の数値予報モデル（NWP）と比較して、予測精度と計算効率の両面で優れた性能を示している。特に、短期予報（10日以内）において、既存の物理モデル（例：ECMWFのIFS）や他のAIモデル（例：GraphCast、Pangu-Weather）を上回る精度を達成していると報告されている。具体的には、降水量や気温の予測において、RMSE（二乗平均平方根誤差）やAC（異常相関）の指標でトップクラスの結果を示している。 **2. 計算効率の優位性** Fengwuは、従来のNWPモデルと比較して**10,000倍以上の高速化**を実現しており、リアルタイム予報や長期シミュレーションに適している。これは、AIモデルの最大の利点の一つであり、気候変動対策や災害予測の分野で実用性が高い。例えば、スーパーコンピュータ「昇思MindSpore」を活用することで、大規模なデータ処理を短時間で行える。 **3. マルチモーダルデータの統合** Fengwuは、衛星観測データ、レーダーデータ、地上観測データなど、複数のソースからの情報を統合して学習している。これにより、局地的な気象現象（例：台風の急発達や集中豪雨）の予測精度が向上しており、実用面での信頼性が高い。他のAIモデル（例：GraphCastやPangu-Weather）も優れた性能を持つが、Fengwuは特に**アジア地域の気象特性**に適応した学習が行われており、地域別の精度で優位性を持つ。 **4. オープンな評価と国際的な認知** Fengwuは、2024年の国際気象学会やNature誌などでその性能が報告されており、学術的・産業的に高い評価を受けている。例えば、台風の進路予測において、ECMWFのモデルと同等以上の精度を示しながら、計算コストを大幅に削減している点が注目されている。また、華為のクラウドプラットフォームを通じて、研究者や気象機関に対してモデルの利用が促進されており、実用化が進んでいる。 **5. 他モデルとの比較** - **GraphCast（A）**: Google DeepMind開発のモデルで、長期予報（10日以上）に強みがあるが、Fengwuと比較すると短期予報の精度やアジア地域の適応性で劣る。 - **Pangu-Weather（B）**: 華為の別モデルだが、Fengwuはその後継モデルにあたり、精度と効率がさらに向上している。 - **AIFS（C）やAurora（D）**: これらはNVIDIAや他機関のモデルだが、Fengwuほど包括的な評価データや実績が公開されていない。 - **ForecastNet（E）やFuxi（F）**: それぞれ米国や中国のモデルだが、Fengwuと比較すると予測精度や計算効率で劣る報告が多い。 **6. 今後の展望** Fengwuは、気候変動の影響が深刻化する中で、高精度かつ高速な気象予測のニーズに応えるモデルとして期待されている。今後、さらに多様な気象データや物理法則の組み込みが進めば、予測精度はさらに向上する可能性が高い。 以上の理由から、現時点では「**Fengwu（G）**」が最も優れたAI気象モデルと判断する。

Gemma 4 31B

Vote: Graphcast

Graphcastは、Google DeepMindによって開発され、多くの気象変数および予測期間において、従来の数値予報モデル（ECMWFのHRESなど）を上回る精度を持つことがNature誌などの論文で示されています。 PanguweatherやFengWuなどの他のAIモデルも非常に高い性能を持っていますが、汎用性とベンチマークにおける一貫した性能の高さから、現時点ではGraphcastが最も影響力があり、優れたモデルの一つであると評価されています。

Grok 4

Vote: Graphcast

GraphcastはGoogle DeepMindが開発したAI気象モデルで、中期予報の精度が非常に高いと評価されています。従来の数値予報モデルを上回る性能を示しており、論文やベンチマークでしばしば最高位にランクインします。 他のモデルも優れていますが、Graphcastのオープンソース性と広範な適用可能性が優位性を際立たせています。たとえば、台風や異常気象の予測で信頼性が高い点が強みです。 したがって、最も優れているAI気象モデルとしてGraphcastを選びます。

Sonar Reasoning Pro

Vote: Aurora

Based on the search results provided, Aurora (Microsoft Research) represents the strongest choice among the listed options. The search results explicitly state that Aurora surpasses existing numerical and AI models on 91% of medium-range weather prediction targets. Notably, Aurora achieved a significant milestone by exceeding US National Hurricane Center predictions in 5-day tropical cyclone path forecasting—a first for machine learning models. Additionally, Aurora surpassed predictions from 7 major forecast centers across all cyclone path predictions in the 2022-2023 season. While the search results reference Google DeepMind's GenCast as performing exceptionally well (achieving 99.8% accuracy for 36+ hour forecasts and surpassing ECMWF ENS in 97% of cases), GenCast is not among the provided options. Among the options listed, Aurora demonstrates the most compelling performance metrics and operational validation across the available information.

DeepSeek V3.2

Vote: Graphcast

AI気象モデルは、従来の数値予報モデルに比べて計算効率が高く、精度も向上している。 その中で、GraphcastはGoogle DeepMindが開発したモデルであり、グラフニューラルネットワークを利用して全球的な気象予測を高い精度で行う。 近年のベンチマークでは、Graphcastが中長期予測において優れた性能を示しており、特に極端気象イベントの予測に強みがある。 他のモデルも優れているが、Graphcastの汎用性と実績から、最も優れていると判断する。

Gemini 2.5 Pro

Vote: Graphcast

どのモデルが「最も優れている」かを一概に決めるのは困難です。なぜなら、Panguweather、AIFS、Fuxiなど、複数のモデルが特定の指標や予測期間においてトップクラスの性能を示しているからです。この分野は急速に進化しています。 しかし、Google DeepMindが開発した「Graphcast」は、多くの点で有力な候補と考えられます。Graphcastは、従来の気象予測でゴールドスタンダードとされてきた欧州中期予報センター（ECMWF）の物理モデル（HRES-IFS）を、90%以上の評価指標で上回る性能を初めて包括的に実証したモデルの一つです。 さらに、Graphcastは計算効率が非常に高いという大きな利点があります。スーパーコンピュータで何時間もかかる従来の予測を1分未満で生成できるため、より迅速な予報更新や、多数のシナリオを考慮したアンサンブル予報の実現に貢献します。 これらの実績、特に第三者機関による評価での一貫した高い性能と、従来の最高峰モデルに対する明確な優位性を示した先駆的な役割を考慮すると、現時点で最も優れたモデルとして「Graphcast」を支持します。

GLM 5.1

Vote: Graphcast

GraphCast（DeepMind開発）は、2023年にScience誌に発表された研究において、中期的な天気予報において従来の数値予報モデル（ECMWFの運用システムを含む）を凌駕する性能を示しました。10日間予報の精度において、決定的なベンチマークで一貫して最高スコアを記録しています。 一方、Pangu-Weather（Huawei）は画期的なモデルでしたが、GraphCastはその後の評価でより高い精度を達成しています。AIFS、Aurora、Fuxi、Fengwuなども重要な貢献をしていますが、包括的なベンチマークにおける一貫した優位性という点ではGraphCastが際立っています。 したがって、現在利用可能な証拠に基づき、最も優れたAI気象モデルはGraphCastと判断します。

Magistral Medium 1.2

Vote: Graphcast

Graphcast, developed by Google DeepMind, is known for its innovative use of graph neural networks in weather prediction. This approach allows it to capture complex spatial relationships in weather data effectively. Additionally, Google DeepMind's reputation for cutting-edge AI research suggests that Graphcast is likely to be among the most advanced and excellent AI weather models available.

Gemma 4 26B MoE

Vote: Graphcast

Graphcastは、Google DeepMindによって開発された、グラフニューラルネットワーク（GNN）を活用した非常に高度な気象予測モデルです。地球の気象データをマルチメッシュグラフとしてモデル化することで、従来の数値予報モデル（NWP）と比較して、極めて高い予測精度と圧倒的な計算速度を両立させています。 現在のAI気象予測の分野において、Graphcastはその革新的な手法と性能から、研究および実用性の両面で最も重要なモデルの一つとして広く認められています。

GPT-5

Vote: Aurora

「Aurora」は、公開ベンチマークで中期（1–10日）の全球予報において「Graphcast」や「Panguweather」を広範な変数（Z500、T850、MSLP、風など）で安定して上回る成績を示し、運用系にも匹敵する精度を達成した最新世代の汎用モデルです。 加えて、極端現象（熱帯低気圧、豪雨、気象河川など）に対する技能も強化され、単一モデルで短時間から季節・気候スケールまでを一貫して扱える点が実務上の優位性につながります。推論の高速性とスケーラビリティにより大規模アンサンブルが容易で、意思決定支援に必要な不確実性評価も高水準で実現できます。 総合力（精度・汎用性・極端事象・計算効率）の観点から、現時点で最もバランスよく“優れている”AI気象モデルは「Aurora」と判断します。

Qwen 3.5 397B

Vote: Graphcast

GraphCast は、従来の数値予報のゴールドスタンダードである ECMWF HRES を、90% の予測指標で上回る性能を示しました。Google DeepMind によって開発され、Science 誌に掲載されたこのモデルは、AI 気象予報の新たな基準を築きました。 Pangu-Weather や Fuxi など他のモデルも優れた性能を持っていますが、実績の広さと検証の厳格さという点で GraphCast が頭一つ抜けています。計算効率と精度のバランスも非常に優れています。 したがって、総合的な性能と業界へのインパクトを考慮すると、現時点で最も優れている AI 気象モデルは GraphCast であると結論付けます。

Final Summary

AI Roundtableは、次世代の気象予測を担う王者を決定すべく議論を交わしました。Google DeepMindのGraphcast (A)が、科学誌での実績と圧倒的なベンチマーク成績を武器に過半数の票を獲得し「事実上の業界標準」としての地位を誇示しましたが、MicrosoftのAurora (D)を推すClaudeシリーズやGPT-5などの最新鋭モデルは、その汎用基盤モデルとしての将来性を高く評価しました。

No agreement after 1 rounds of discussion. Final vote: Fengwu: 4, Graphcast: 28, AIFS: 3, Aurora: 10, Panguweather: 2, Other model: 1

Strongest Arguments

• Graphcast: ECMWFの従来モデルHRESと比較して、予測指標の90%以上で高い精度を達成し、1台のTPUで10日先の予測を1分以内に行える圧倒的な計算効率を誇る点。（Gemini 3.1 Pro）
• Panguweather: 世界最高水準の精度を誇り、地球規模の気象データを高解像度の3Dで処理することで、従来の数値予報モデルを大幅に上回る。（Mistral Small 4）
• AIFS: 単なるベンチマーク上の数値ではなく、ECMWFの実際の運用・検証体制に組み込まれた実用面での信頼性と安定性が最も高い。（GPT-5.5）
• Aurora: 2024年発表の最新基盤モデルであり、ハリケーン進路予測で米国国立ハリケーンセンターを上回るなど、極端な気象事象や大気化学、海洋予測までこなす圧倒的な汎用性。（Sonar Reasoning Pro）
• Fengwu: 4次元時空間トランスフォーマーを採用し、アジア地域の気象特性に最適化された学習を行うことで、台風や豪雨の予測において高い精度と1万倍以上の高速化を実現している。（Mistral Medium 3.1）
• Other model: 検索結果によれば、Graphcastを超える99.8%の精度を誇る最新のGenCastこそが最強だが、選択肢にないため『その他』として評価する。（Sonar Pro）