I modelli meteo basati sull'AI prevedono meglio, ma l'entusiasmo corre più veloce delle prove

Il materiale meteo più recente con una data nel dossier non è una previsione. Uno studio riportato dal South China Morning Post il 26 ottobre ha rilevato che i modelli video cinesi battono i rivali statunitensi sulla qualità visiva ma restano indietro sulle tutele. È un promemoria utile: la «qualità di un modello AI» è un insieme di affermazioni separate, non un punteggio unico. Nel dossier non c'è nulla che collochi il lancio di un nuovo modello meteo globale nelle ultime 72 ore.

Gli annunci che esistono si concentrano tra fine ottobre e inizio novembre, e la maggior parte arriva dai fornitori.

Envision ha dichiarato che il suo modello fondazionale meteo Tianji è arrivato in testa all'AI Weather Quest del Centro europeo per le previsioni meteo a medio termine, secondo un dispaccio Kyodo News ripreso il 2 novembre. La Germania ha lanciato un modello meteo globale basato sull'AI, secondo un articolo di Radar.am datato 1 novembre. Vaisala ha completato l'acquisizione dell'azienda di meteo con AI Atmo, ha riferito The Manila Times il 29 ottobre. Ognuno è un comunicato di un'azienda o di un governo sul proprio sistema, e nessuno dei tre offre nel testo del dossier un punteggio d'errore indipendente.

Cosa misurano davvero i benchmark

Dove il dossier riporta numeri, questi vengono dalla ricerca e non dal marketing. Un articolo inviato ad arXiv il 29 ottobre, FABench, costruisce un ambiente di backtesting per agenti di previsione e nella prima versione pone 287 domande su nove domini. Valutando agenti costruiti su otto modelli recenti, gli autori hanno trovato che il retrieval ha migliorato il Brier score di tutti e otto in ogni configurazione e ha portato gli agenti migliori al consenso di mercato su 54 domande legate a Polymarket, con i primi tre leggermente sopra. È un risultato cauto e circoscritto. Dice che il retrieval aiuta, non che l'AI batte la fisica.

Altri due articoli precisano il quadro. QUAL, inviato il 30 ottobre, riferisce che allineare i quantili tra un insieme di modelli fondazionali per serie temporali ha ridotto il MASE medio dei membri del 7,4% e il CRPS del 9,8% su GIFT-Eval, senza addestramento né modifiche ai modelli. Un articolo sui web world models, anch'esso inviato il 29 ottobre, ha invece rilevato che in una valutazione umana appaiata su 3.000 previsioni di dieci modelli aperti congelati, l'86,1% è stato giudicato semanticamente plausibile, ma diversi modelli hanno mostrato un comportamento di autorizzazione asimmetrico: bassa esecuzione di falsi sicuri insieme a scarsa capacità di richiamare i casi che avrebbero dovuto far scattare una richiesta di chiarimento. Plausibile non significa sicuro, e gli autori lo dicono.

«Nove passaggi su dieci nei flussi di lavoro degli agenti sono di routine, e i modelli open-weight li gestiscono alla pari a un quarto del prezzo del modello chiuso più economico», hanno scritto Mark Petty e Raymond Paquet di Gartner in un documento intitolato «Open-Weight Models Will Run 90% of Enterprise Agentic Workflow Steps», citato da The Register il 3 novembre.

La nota di Gartner parla di agenti, non di meteo, ma conta per chi deve mettere a budget una pipeline di previsioni. Gli analisti stimano il risparmio sui modelli frontier in appena un ventesimo nel caso migliore, per poi ammettere che gli attuali modelli aperti «possono essere più verbosi e ritentare più spesso, quindi il risparmio per attività rispetto a un modello frontier si avvicina a cinque o sei volte». The Register l'ha pubblicato il 3 novembre. Se i modelli aperti economici fanno la maggior parte del lavoro numerico di routine, quelli costosi restano per i casi difficili, e le previsioni meteo sono piene di casi difficili.

L'infrastruttura sotto

La qualità delle previsioni dipende anche da cosa entra nel modello. Il 19 ottobre CNN ha riferito che i tagli del governo Trump ai satelliti faranno arretrare di un decennio le previsioni meteo statunitensi; la testata ha aggiornato la storia il 27 ottobre. È il vincolo che nessun benchmark affronta: un modello AI addestrato sulle osservazioni non può superare le osservazioni che riceve, e un decennio di input satellitari degradati non è qualcosa che un'architettura migliore sistema.

Nvidia, intanto, sta spingendo i suoi modelli aperti Earth-2 nelle installazioni europee, secondo un post del blog aziendale datato 22 ottobre, e ha pubblicato separatamente il 22 ottobre un post sulle organizzazioni europee dei servizi finanziari che adottano modelli aperti per costruire intelligence proprietaria. Entrambi sono blog di fornitori, quindi il taglio va pesato, ma mostrano dove vanno il calcolo e la distribuzione. IBM Research ha pubblicato il 22 ottobre la propria lettura delle previsioni d'insieme con i modelli per serie temporali Granite su Hugging Face, in linea con quanto trovato da QUAL: combinare i modelli batte sceglierne uno.

La tesi scettica non è difficile da trovare. Nathan Lambert si è chiesto su Interconnects il 30 ottobre se si fosse sbagliato sui modelli aperti e sui rischi informatici, una domanda da leggere accanto al post di Bruce Schneier del 27 ottobre sul nascondere capacità nei modelli AI e a quello del 26 ottobre sul bias nel modello Qwen3-Coder. Le affermazioni sulle capacità e quelle sulla sicurezza tendono ad arrivare dagli stessi uffici stampa. Il dossier contiene anche un riepilogo di Interconnects del 20 ottobre su DeepSeek V4.1 Flash 1017 e sui nuovi controlli normativi negli Stati Uniti e in Cina, che è lo sfondo politico di tutto questo.

Sul meteo in particolare, il riassunto onesto è breve. Diverse organizzazioni dicono che i loro modelli AI battono benchmark consolidati. Un benchmark in stile peer review, FABench, mostra che il retrieval aiuta gli agenti di previsione a raggiungere il consenso di mercato. Un articolo sulla sicurezza mostra che previsioni plausibili non garantiscono decisioni corrette. Nessuno in questo dossier pubblica una verifica indipendente e comparabile delle affermazioni meteo in sé. Finché qualcuno non lo farà, gli annunci sono input di una storia, non la sua conclusione.