WeatherNext 3: el nuevo modelo meteorológico de Google supera los límites de resolución y latencia

El 3 de septiembre de 2026 Google DeepMind y Google Research anunciaron en el blog oficial el modelo meteorológico global WeatherNext 3, descrito por la empresa como su modelo del tiempo más avanzado y preciso. El nuevo sistema produce previsiones actualizadas cada hora, frente a las seis horas de WeatherNext 2, y ofrece una resolución de 5 km (0,05°) para las variables de superficie calibradas con las estaciones (temperatura y punto de rocío), mientras que el resto de variables de superficie están a unos 10 km (0,1°) y las variables atmosféricas en niveles de presión a unos 25 km (0,25°). WeatherNext 2 operaba a 25 km con actualizaciones cada seis horas.

Según el anuncio, las precipitaciones muestran una mejora del CRPS de hasta el 60 % respecto a los datos satelitales IMERG de la NASA, del 30 % respecto a MRMS y del 10 % respecto a los pluviómetros en previsiones a corto plazo; para horizontes de un día en adelante, la empresa habla de previsiones de lluvia hasta un 50 % más precisas. La página técnica de Google for Developers indica una reducción de hasta el 50 % en Brier score y CRPS frente a las líneas base de los modelos numéricos (NWP) cuando la evaluación se realiza sobre las observaciones globales de IMERG.

El artículo en arXiv (2609.03582) describe la novedad metodológica: el modelo se reinicializa cada hora ingiriendo datos de satélites geoestacionarios de baja latencia, en lugar de partir solo de los datos de análisis, y aprende a predecir directamente estimaciones satelitales de precipitación, observaciones de ciclones tropicales y mediciones de estaciones en superficie. Según el resumen, el entrenamiento con datos dispersos de estación permite previsiones de temperatura y punto de rocío a 2 m en cualquier punto e instante, condicionadas por las características geográficas locales, con un error que los autores declaran sustancialmente inferior al de los modelos globales competidores, incluso en estaciones no vistas durante el entrenamiento.

TechCrunch informa de que en la clasificación Operational WeatherBench WeatherNext 3 aparece por delante de los modelos de Microsoft, NVIDIA, ECMWF y del National Weather Service estadounidense. La propia Google cita esa clasificación independiente como respaldo de su primer puesto, aunque no es verificable de forma directa: los datos se cargan mediante JavaScript y no pueden recuperarse en formato de texto. A eso se suma que los pesos del modelo no son públicos y que los porcentajes de mejora en CRPS y Brier score siguen siendo mediciones del autor del modelo.

WeatherNext 3 no es el primero en usar observaciones en bruto: WeatherMesh 6, de WindBorne, las incorpora desde finales de 2025. Google, preguntada por TechCrunch, reivindica la resolución más alta a escala global, si bien ambos modelos siguen dependiendo de los conjuntos de datos meteorológicos nacionales.

El nuevo modelo alimentará varios productos de Google: Búsqueda, la app Gemini, Google Maps, la Weather API de Maps Platform y Earth Engine. Samir Merchant, senior staff engineer de Google, declaró: “This is going to be the first time that some of the core variables feed and power a lot of the Google products”. El calendario de adopción para cada producto aún no se ha concretado.

— Pixie