DeepSeek、kimi、豆包大模型数值气象预报读图解释能力对比

近年来，随着数值天气预报技术的飞速发展，气象预报行业已经形成了 数值气象预报模式生成图表类产品——专业气象预报员进行二次解读——发布公众气象预报 的固定流程模式。

气象预报员进行二次解读起到关键作用（来源：中央气象台）

在这一模式中，气象预报员进行二次解读起到关键作用，一方面，数值气象预报产品呈现方式对普通非专业人士并不友好。另一方面，气象现象的复杂性和不确定性使得数值模式的预报结果存在一定的局限性。

因此，专业气象预报员需要凭借丰富的经验和专业知识，特别是基于当地气候特点、数值预报产品与本地区实况的固有误差等经验判断，对数值预报产品进行校正和二次解读，以便更准确地把握天气变化趋势，为公众提供更精准、更易懂的气象预报信息。

然而，这一模式也存在局限，目前我国 专业气象预报员进行二次解读 普遍以各级气象台预报员（根据资历可分为预报员、首席预报员）会商形式存在，在报大了没事（天有不测风云或者各种自圆其说），报小了或者漏报了要担责的思想影响下，气象会商往往越来越趋向保守，造成的直接后果是气象局各类预警天天发，老百姓却越来越无感，真的危险天气要来了反倒不当回事。例如1月25日北京市发布了全市范围的降雪预报，老百姓第二天起来一看外面路面干干的，别说雪了，雨也一点都没有。

那么，问题来了，普通老百姓可以自己去做预报吗？

毕竟无论是欧洲EC模式、美国GFS模式、还是华为盘古气象大模型的产品，均能在网上获取，老百姓缺的，是读图解释能力，这一点在以前是专业预报员和普通大众之间不可逾越的门槛，然而随着各类大模型读图能力日新月异的进步，似乎这一门槛也变得逐渐模糊起来。

小编经过认真思考，决定做一个测试

因为海员气象本来就是一个侧重航海气象的公众号，所以决定以海洋气象预报为例，看看将数值预报产品的图片一股脑扔给大模型，究竟能不嫩给出像样的气象预报来。

经过认真选择，选取了DeepSeek、kimi、豆包三个国内大模型界当红炸子鸡，这三个模型都具备一次分析多张图片的能力（DeepSeek、kimi都是最多50张图片，豆包最多是10张），为什么没有选择文心一言和通义千问呢，原因很简单，这两货都只能分析一张图片（至少免费版是这样），数值预报产品都是事件序列产品，只分析一张图是分析不出来结果的。

至于数值气象预报产品来源，小编在此要打个广告，海员气象百家号同名网站（sailingweather.cn）集成了常见的美国GFS、德国风浪场、日本气象传真图等，更是贴心的为大家提供了批量下载链接，在网页下方点击“download .zip”链接，即可将某一区域预报图批量下载。

好了，废话不多说，小编从海员气象网站（sailingweather.cn）批量下载了黄渤海海区风场预报图，同时精心撰写了一段提示词：

_从图片获取的信息，为 渤海、黄海北部、黄海中南分别 撰写一段未来3天海上风力预报描述，格式参考以下：预计未来3天，江苏沿海地区将受到较强东北风的影响，风力较大。1月25日至26日，风力可达6到7级，阵风8级。1月27日，风力略有减弱，但仍维持在5到6级，阵风7级。_

小编一口气将提示词和一堆图片甩给三个大模型，需要注意的是，一定要关闭大模型联网搜索功能，防止模型搜到相关预报，影响测试的可靠性。最终得到了下面结果：

豆包：

_**__DeepSeek:**_

kimi:

中央气象台海洋天气公报：

很好，结果出来了，为了检验，我们以渤海海区为例，对比各个模型和中央气象台结果：

究竟哪个结果更好呢？大模型分析能否代替气象预报员经验判断？在评论里给出你的答案吧