Mindket

STRATA

新上架第 1 版 · 更新于

概览

以 10 分钟的时间步长,模拟公里级全球风暴分辨大气模拟,用于天气和气候研究。这是 NVIDIA Earth-2 的检查点,有 331.7M 参数。

STRATA 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • 用来运行下载命令的 Python 和 pip
  • 至少一块 GPU,整个地球需要多块
  • 来自 GitHub 的 STRATA 推理封装和 PhysicsNeMo 模型代码
  • SCREAM ne1024pg2 网格上的输入数据
用在
  • 单块 GPU,可以推进地球的任意一部分
  • 多块 GPU,卡片说它们通过区域分解推进整个地球
  • GitHub 上公开的 STRATA 项目,里面有推理封装和训练配方
  • NVIDIA PhysicsNeMo,里面有网络架构
先运行
pip install -U huggingface_hub
hf download nvidia/strata

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

STRATA 是 NVIDIA Earth-2 的检查点,是一个模仿 SCREAM 全球风暴分辨模拟的 AI 大气模型。它以约 4.9 km 的网格间距预测整个地球大气的三维状态,每次走 10 分钟。

状态包括位温、风、位势高度、垂直气压速度、比湿和 2 米气温。地面气压和降水通量在每一步都会算出来。

适合谁

适合想要风暴分辨模拟的快速模拟器的天气和气候研究者,也适合研究不同分辨率的 AI 模型如何协同工作的团队。

IndustryWho uses itHow they use itExample
气候科学大气研究者模拟风暴分辨模拟一步一步推进 SCREAM 状态
天气研究预报研究者对 SCREAM 状态做短期预报向前看几小时到几天
科研计算高性能计算团队把地球分到多块 GPU 上用区域分解跑完整个地球
机器学习研究耦合模拟器的团队测试不同分辨率之间的逼近或降尺度组合不同分辨率的模拟器

如果你需要现成的预报服务,可以跳过它,因为这是研究用检查点,需要代码和数据准备。

用在哪里

  • 单块 GPU,可以推进地球的任意一部分
  • 多块 GPU,卡片说它们通过区域分解推进整个地球
  • GitHub 上公开的 STRATA 项目,里面有推理封装和训练配方
  • NVIDIA PhysicsNeMo,里面有网络架构
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
Use caseWhoWhat they get back
短期预报天气研究者几小时到几天后的 SCREAM 状态
风暴分辨模拟气候研究者对庞大模拟的快速替身
耦合实验机器学习研究者一个可用来逼近或降尺度的分辨率

如何设置

  • 用来运行下载命令的 Python 和 pip
  • 至少一块 GPU,整个地球需要多块
  • 来自 GitHub 的 STRATA 推理封装和 PhysicsNeMo 模型代码
  • SCREAM ne1024pg2 网格上的输入数据
  1. 安装 Hugging Face 工具。
  2. 下载文件,其中有检查点和三个静态场文件。
  3. 按卡片的说明设置 STRATA 推理封装和 PhysicsNeMo。
  4. 准备输入张量并运行模型。
pip install -U huggingface_hub
hf download nvidia/strata

如何使用

准备一个 149 通道的输入张量,由 145 个状态通道和 4 个强迫通道组成。每次调用返回 10 分钟后的状态,所以要重复调用才能看得更远。

ItemDetail
网格SCREAM ne1024pg2 立方球面,6 个面,每面 2048 乘 2048 列
时间步长10 分钟
输入149 个通道,用检查点里保存的统计量做归一化
输出148 个通道,即 145 个状态通道加 3 个诊断通道
强迫通道太阳天顶角余弦、地表位势、地形起伏和陆地比例

示例

你输入当前的全球状态和它的强迫场,运行一步。模型返回 10 分钟后的状态,把它多次送回去,预报就能向前推进。

新手与专家

如果你刚接触天气模型,可以把它看成庞大气候模拟的快速副本。下载文件,读一读卡片,并打算用 GitHub 上的封装运行示例。

如果你熟悉这个领域,它是两阶段 Transformer,语义主干作用在 4 乘 4 像素的块上,后面是像素分辨率的精修阶段。它用一次确定性的前向计算预测每一步,并用回归损失训练,所以不像扩散模型那样采样。

  1. 全球状态和强迫通道
  2. 在立方球面分块上做分块推理
  3. 两阶段 Transformer 预测一步
  4. 10 分钟后的状态

注意事项

  • 推理是分块的,用 128 到 256 像素的重叠块外加边缘
  • 检查点经过预训练和 4 步自回归微调
  • 三个静态场来自 CC BY 4.0 许可的数据集,仓库里附有署名说明
模型张量中的通道数
输入通道149 个
状态通道145 个
强迫通道4 个
输出通道148 个
诊断通道3 个
  • License: OpenMDW 1.1,卡片允许商业和非商业两种用途
  • Cost to run: 没有提到,不过整个地球的运行需要多块 GPU
  • Data it reaches: 你提供的大气状态张量和静态场文件,以及你下载的文件
  • Not for: 其他网格或时间步长,因为检查点是为 ne1024pg2 网格和 10 分钟步长做的

README 和文件

README

STRATA

以 10 分钟的时间步长,模拟公里级全球风暴分辨大气模拟,用于天气和气候研究。这是 NVIDIA Earth-2 的检查点,有 331.7M 参数。

由 nvidia 在 Hugging Face 上制作。这些说明是 Mindket 根据它的模型页面和模型卡写的,模型自己的文件和许可证在 Hugging Face 上。

简介

它是什么:STRATA 是 NVIDIA Earth-2 的检查点,是一个模仿 SCREAM 全球风暴分辨模拟的 AI 大气模型。它以约 4.9 km 的网格间距预测整个地球大气的三维状态,每次走 10 分钟。

状态包括位温、风、位势高度、垂直气压速度、比湿和 2 米气温。地面气压和降水通量在每一步都会算出来。

适合谁:适合想要风暴分辨模拟的快速模拟器的天气和气候研究者,也适合研究不同分辨率的 AI 模型如何协同工作的团队。

Industry | Who uses it | How they use it | Example
气候科学 | 大气研究者 | 模拟风暴分辨模拟 | 一步一步推进 SCREAM 状态
天气研究 | 预报研究者 | 对 SCREAM 状态做短期预报 | 向前看几小时到几天
科研计算 | 高性能计算团队 | 把地球分到多块 GPU 上 | 用区域分解跑完整个地球
机器学习 | 研究耦合模拟器的团队 | 测试不同分辨率之间的逼近或降尺度 | 组合不同分辨率的模拟器

如果你需要现成的预报服务,可以跳过它,因为这是研究用检查点,需要代码和数据准备。

用在哪里:

  • 单块 GPU,可以推进地球的任意一部分
  • 多块 GPU,卡片说它们通过区域分解推进整个地球
  • GitHub 上公开的 STRATA 项目,里面有推理封装和训练配方
  • NVIDIA PhysicsNeMo,里面有网络架构
  • 装有 Python 的 Windows、macOS 或 Linux,用来下载文件
Use case | Who | What they get back
短期预报 | 天气研究者 | 几小时到几天后的 SCREAM 状态
风暴分辨模拟 | 气候研究者 | 对庞大模拟的快速替身
耦合实验 | 机器学习研究者 | 一个可用来逼近或降尺度的分辨率

如何设置:

  • 用来运行下载命令的 Python 和 pip
  • 至少一块 GPU,整个地球需要多块
  • 来自 GitHub 的 STRATA 推理封装和 PhysicsNeMo 模型代码
  • SCREAM ne1024pg2 网格上的输入数据
  1. 安装 Hugging Face 工具。
  2. 下载文件,其中有检查点和三个静态场文件。
  3. 按卡片的说明设置 STRATA 推理封装和 PhysicsNeMo。
  4. 准备输入张量并运行模型。
pip install -U huggingface_hub
hf download nvidia/strata

如何使用:准备一个 149 通道的输入张量,由 145 个状态通道和 4 个强迫通道组成。每次调用返回 10 分钟后的状态,所以要重复调用才能看得更远。

Item | Detail
网格 | SCREAM ne1024pg2 立方球面,6 个面,每面 2048 乘 2048 列
时间步长 | 10 分钟
输入 | 149 个通道,用检查点里保存的统计量做归一化
输出 | 148 个通道,即 145 个状态通道加 3 个诊断通道
强迫通道 | 太阳天顶角余弦、地表位势、地形起伏和陆地比例

示例:你输入当前的全球状态和它的强迫场,运行一步。模型返回 10 分钟后的状态,把它多次送回去,预报就能向前推进。

新手与专家:如果你刚接触天气模型,可以把它看成庞大气候模拟的快速副本。下载文件,读一读卡片,并打算用 GitHub 上的封装运行示例。

如果你熟悉这个领域,它是两阶段 Transformer,语义主干作用在 4 乘 4 像素的块上,后面是像素分辨率的精修阶段。它用一次确定性的前向计算预测每一步,并用回归损失训练,所以不像扩散模型那样采样。

全球状态和强迫通道
在立方球面分块上做分块推理
两阶段 Transformer 预测一步
10 分钟后的状态

注意事项:

  • 推理是分块的,用 128 到 256 像素的重叠块外加边缘
  • 检查点经过预训练和 4 步自回归微调
  • 三个静态场来自 CC BY 4.0 许可的数据集,仓库里附有署名说明
Title: 模型张量中的通道数
输入通道: 149 个
状态通道: 145 个
强迫通道: 4 个
输出通道: 148 个
诊断通道: 3 个
  • License: OpenMDW 1.1,卡片允许商业和非商业两种用途
  • Cost to run: 没有提到,不过整个地球的运行需要多块 GPU
  • Data it reaches: 你提供的大气状态张量和静态场文件,以及你下载的文件
  • Not for: 其他网格或时间步长,因为检查点是为 ne1024pg2 网格和 10 分钟步长做的

Hugging Face 上的数据(2026年11月13日)

  • 最近 30 天下载:249
  • 点赞:27
  • 许可证:openmdw-1.1
  • 标签:pixeldit

链接

  • 模型:https://huggingface.co/nvidia/strata
  • 文件:https://huggingface.co/nvidia/strata/tree/main

获取模型

用 Hugging Face 的命令行下载它的文件:

pip install -U huggingface_hub
hf download nvidia/strata

然后按它的模型卡使用它。这个工具包里没有会自己运行的东西。

文件
README.md  6 KB

1 个文件,共 6 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

simonpureStrata: Qwen3.8-Flash-Next (125B Moe) on a 8GB+ Nvidia GPU5 分せかひたgithub.com/Hardin22/Str... 気になり1 赞selicosAsk HN: What hardware are you using to run local LLMs?I bought a Framework Desktop mainboard only, 128gb AMD 395+ setup, and put it in an existing case with PSU i had on hand. I had a fan for it. It was $2699 +$15 expedited shipping. The case and PSU/etc was probably $200 more (It's an overkill 850w SFX PSU and cheap but great ITX case from…Product Impossible4/ Strata. Runs the 125B-parameter Qwen3.8-Flash-Next on a gaming PC with a 12 GB NVIDIA or AMD card and 32 GB of RAM. One installer for Windows or Linux, 53 to 94 tokens/s on an RTX 5070. MIT github.com/Niko1221/Strata1 条回复GrombobulousPutting Linux on my RTX Spark laptop because I don't have a Microsoft accountI don’t even really think it’s “fine.” It’s hard to even understand who they are for. Just Josh Tech on YouTube did a great review of these laptops as they’re hitting the market. Good battery life is probably the biggest upside, but the Intel Core Ultra Series 3 Zephyrus G16 is just about as good…Rost GlukhovRun Qwen3.8-Flash-Next Locally with Strata: 64 GB Quickstart #LLM #AI #SelfHosting #Linux #NVidia #Hardware #llamacpp #AICoding https://www.glukhov.org/llm-hosting/strata/strata-qwen3-8-flash-next-quickstart/FeydShow HN: Capy-flash – a 125B MoE model on two 16 GB consumer GPUsHi thx for the reply. Capy works on single card also, but yes the optimisations are done for double card and for nvfp4 nvidia format, that's native on blackwell, so this can also be used in newer datacenter gpus. On the right setups it's faster than strata小众软件再次更新Strata 0.2.7.1 支持在 NVIDIA DGX Spark(Linux ARM64)上运行,DeepSeek-V4.1-Flash 则支持在 Apple 芯片 Mac 上运行 就在刚刚,开发者直接修改了 v0.2.7 发布页面,新增 0.2.7.1 更新说明: Apple Silicon Mac 终于能跑 DeepSeek V4.1-Flash 在拥有peter_d_shermanShow HN: Capy-flash – a 125B MoE model on two 16 GB consumer GPUsA Strata (https://github.com/Niko1221/Strata) challenger! The first one I've seen (although I'm sure there are and will be more as more time progresses...) It seems to require a bit more system memory (70GiB free RAM as opposed to 32GB) and two newer nVidia RTX 50 series graphics cards with 16GB…Techyon newsMoMoE: a fork of Strata for more MoE models, on one GPU + system RAM (Linux/NVIDIA, Apple Silicon) MoMoE is an MIT‑licensed fork of Strata that expands support for running multiple mixture‑of‑experts models on a single GPU plus system RAM, beyond th...Gareth321Gemini 4 ArgonYes, and increasingly, data will no longer be a moat either. These models will be capable of creating all the data/content we could ever want. There will always be a market for "organic" movies with real actors, but we should expect the value of that to decline precipitously. My investment thesis…Unofficial Hacker News frontpage botStrata is a free, open-source tool that enables users to run large 125-billion-parameter AI models locally on gaming PCs with NVIDIA or AMD GPUs. By utilizing system RAM and efficient expert-based processing, it provides private, high-speed AI access.

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

Bonsai-27B-GGUF

lmstudio-community · 工具包

面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

新上架

以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。

新上架

MusicGen Small

facebook · 工具包

根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架