WeatherNext 3: nowy model pogodowy Google przełamuje granice rozdzielczości i opóźnienia
3 września 2026 roku Google DeepMind i Google Research ogłosiły na oficjalnym blogu globalny model pogodowy WeatherNext 3, opisywany przez firmę jako jej najbardziej zaawansowany i najdokładniejszy model pogody. Nowy system tworzy prognozy aktualizowane co godzinę, wobec sześciu godzin w WeatherNext 2, i oferuje rozdzielczość 5 km (0,05°) dla zmiennych przypowierzchniowych kalibrowanych na stacjach (temperatura i punkt rosy), podczas gdy pozostałe zmienne przypowierzchniowe mają około 10 km (0,1°), a zmienne atmosferyczne na poziomach ciśnienia około 25 km (0,25°). WeatherNext 2 działał w rozdzielczości 25 km z aktualizacjami co sześć godzin.
Według komunikatu opady wykazują poprawę CRPS do 60% wobec danych satelitarnych NASA IMERG, 30% wobec MRMS i 10% wobec deszczomierzy w prognozach krótkoterminowych; dla horyzontów od jednego dnia wzwyż firma mówi o prognozach deszczu dokładniejszych nawet o 50%. Strona techniczna Google for Developers podaje redukcję do 50% wyniku Briera i CRPS względem punktów odniesienia numerycznych prognoz pogody (NWP), gdy ocena prowadzona jest na globalnych obserwacjach IMERG.
Artykuł na arXiv (2609.03582) opisuje nowość metodologiczną: model reinicjalizuje się co godzinę, pobierając dane z satelitów geostacjonarnych o niskim opóźnieniu, zamiast wychodzić wyłącznie z danych analizy, i uczy się przewidywać bezpośrednio satelitarne oszacowania opadu, obserwacje cyklonów tropikalnych oraz pomiary stacji naziemnych. Zgodnie z abstraktem trening na rzadkich danych stacyjnych pozwala prognozować temperaturę i punkt rosy na 2 m w dowolnym punkcie i momencie, warunkowo względem lokalnych cech geograficznych, z błędem, który autorzy określają jako istotnie niższy niż w konkurencyjnych modelach globalnych — także na stacjach niewidzianych podczas treningu.
TechCrunch podaje, że w rankingu Operational WeatherBench WeatherNext 3 wyprzedza modele Microsoftu, NVIDII, ECMWF i amerykańskiej National Weather Service. Sama Google powołuje się na ten niezależny ranking jako potwierdzenie prymatu, choć nie da się go zweryfikować bezpośrednio: dane ładowane są przez JavaScript i nie można ich pobrać w postaci tekstowej. Do tego wagi modelu nie są publiczne, a procenty poprawy w CRPS i wyniku Briera pozostają pomiarami autora modelu.
WeatherNext 3 nie jest pierwszy w korzystaniu z surowych obserwacji: WeatherMesh 6 od WindBorne włącza je od końca 2025 roku. Google, zapytana przez TechCrunch, deklaruje najwyższą rozdzielczość w skali globalnej, przy czym oba modele nadal zależą od krajowych zbiorów danych meteorologicznych.
Nowy model zasili kilka produktów Google: Wyszukiwarkę, aplikację Gemini, Mapy Google, Weather API w Maps Platform oraz Earth Engine. Samir Merchant, senior staff engineer w Google, powiedział: “This is going to be the first time that some of the core variables feed and power a lot of the Google products”. Harmonogram wdrożenia w poszczególnych produktach nie został jeszcze podany.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Przeczytałam oficjalny komunikat na blog.google z 3 września 2026 (rozdzielczości, godzinowy takt, liczby dotyczące opadów, produkty objęte zmianą), stronę techniczną developers.google.com/weathernext/guides/research, która potwierdza pięciokrotny skok rozdzielczości i redukcję do 50% wyniku Briera oraz CRPS wobec punktów odniesienia NWP, a także abstrakt artykułu arXiv 2609.03582 — dla metody, rozdzielczości 0,1° dla zmiennych jednopoziomowych i dokładnego sformułowania o stacjach niewidzianych w treningu. Jako niezależne potwierdzenie otworzyłam artykuł TechCrunch z 3 września 2026, który dokłada porównanie z innymi modelami w rankingu Brightband, stosunek liczby parametrów i kontrprzykład WindBorne. Próbowałam otworzyć bezpośrednio owb.brightband.com: strona nie udostępnia danych przy pobraniu tekstowym, więc wpisałam to do niepewności zamiast uznać za zweryfikowane. Szczegóły o ensemble, takcie inicjalizacji i dostępie do danych pochodzą z MarkTechPost i są oznaczone jako wtórne. W łańcuchu żadnych plotek ani przecieków: oficjalny komunikat, artykuł naukowy, duży serwis branżowy.
- Incertezze
- Rankingu Operational WeatherBench od Brightband nie dało się zweryfikować bezpośrednio: owb.brightband.com ładuje dane przez JavaScript i przy pobraniu tekstowym zwraca tylko “Loading…”, więc pozycja WeatherNext 3 i porównanie z Microsoftem, NVIDIĄ, ECMWF i NWS są na razie relacjonowane przez Google i TechCrunch, a nie odczytane u źródła. Wagi nie są publiczne i nikt nie powtórzył niezależnie deklarowanych procentów poprawy: liczby dotyczące CRPS i wyniku Briera pozostają pomiarami autora modelu, choćby i opublikowanymi w artykule. Liczba parametrów (2,4× wobec WeatherNext 2) pojawia się w TechCrunch, ale nie w oficjalnym komunikacie ani na przejrzanej stronie technicznej. Szczegóły operacyjne, takie jak ensemble z 64 członkami, 24 inicjalizacje dziennie i dostęp do danych z listy oczekujących, pochodzą ze źródła wtórnego i tak należy je przypisywać. Nie wiadomo, według jakiego harmonogramu model faktycznie trafi do poszczególnych produktów Google ani jaka jest data odcięcia danych treningowych wersji produkcyjnej.
- Perché pubblicarla
- To oficjalne wydanie, udokumentowane artykułem naukowym i z oceną strony trzeciej, którą cytuje sama firma: solidny materiał, rzadki w obecnym wyścigu modeli. A przy tym jedno z niewielu zastosowań AI, w których korzyść mierzy się poza benchmarkami — prognozy godzinowe w rozdzielczości 5 km dotykają ochrony ludności, rolnictwa i zarządzania sieciami energetycznymi. Jednocześnie to czyste studium przypadku powracającego ograniczenia branży: zamknięte wagi, liczby deklarowane przez autora i niezależny ranking, któremu warto przyjrzeć się z bliska, zamiast cytować go ze słyszenia.