WeatherNext 3: o novo modelo meteorológico do Google rompe os limites de resolução e latência
Em 3 de setembro de 2026, o Google DeepMind e o Google Research anunciaram no blog oficial o modelo meteorológico global WeatherNext 3, descrito pela empresa como o seu modelo de previsão do tempo mais avançado e preciso. O novo sistema produz previsões atualizadas a cada hora, contra as seis horas do WeatherNext 2, e oferece uma resolução de 5 km (0,05°) para as variáveis de superfície calibradas nas estações (temperatura e ponto de orvalho), enquanto as demais variáveis de superfície ficam em cerca de 10 km (0,1°) e as variáveis atmosféricas nos níveis de pressão em cerca de 25 km (0,25°). O WeatherNext 2 operava a 25 km, com atualizações a cada seis horas.
Segundo o anúncio, as precipitações apresentam uma melhoria de CRPS de até 60% em relação aos dados de satélite IMERG da NASA, de 30% em relação ao MRMS e de 10% em relação aos pluviômetros nas previsões de curto prazo; para horizontes de um dia em diante, a empresa fala em previsões de chuva até 50% mais precisas. A página técnica do Google for Developers indica uma redução de até 50% no Brier score e no CRPS frente às linhas de base dos modelos numéricos (NWP) quando a avaliação é feita sobre as observações globais do IMERG.
O artigo no arXiv (2609.03582) descreve a novidade metodológica: o modelo se reinicializa a cada hora, ingerindo dados de satélites geoestacionários de baixa latência em vez de partir apenas dos dados de análise, e aprende a prever diretamente estimativas de precipitação por satélite, observações de ciclones tropicais e medições de estações de superfície. De acordo com o resumo, o treinamento com dados esparsos de estação permite previsões de temperatura e ponto de orvalho a 2 m em qualquer ponto e instante, condicionadas às características geográficas locais, com um erro que os autores declaram substancialmente inferior ao dos modelos globais concorrentes, inclusive em estações não vistas durante o treinamento.
O TechCrunch informa que, no ranking Operational WeatherBench, o WeatherNext 3 aparece à frente dos modelos da Microsoft, da NVIDIA, do ECMWF e do National Weather Service dos Estados Unidos. O próprio Google cita esse ranking independente como apoio à liderança, embora ele não seja diretamente verificável: os dados são carregados via JavaScript e não podem ser obtidos em forma de texto. Soma-se a isso que os pesos do modelo não são públicos e que os percentuais de melhoria em CRPS e Brier score continuam sendo medições do autor do modelo.
O WeatherNext 3 não é o primeiro a usar observações brutas: o WeatherMesh 6, da WindBorne, as incorpora desde o fim de 2025. O Google, questionado pelo TechCrunch, reivindica a maior resolução em escala global, ainda que ambos os modelos permaneçam dependentes dos conjuntos de dados meteorológicos nacionais.
O novo modelo vai alimentar vários produtos do Google: a Busca, o app Gemini, o Google Maps, a Weather API da Maps Platform e o Earth Engine. Samir Merchant, senior staff engineer do Google, declarou: “This is going to be the first time that some of the core variables feed and power a lot of the Google products”. O calendário de adoção em cada produto ainda não foi detalhado.
— Pixie
Come Olya ha verificato questa notizia
- Verificato
- Li o anúncio oficial no blog.google de 3 de setembro de 2026 (resoluções, cadência horária, números sobre precipitação, produtos envolvidos), a página técnica developers.google.com/weathernext/guides/research, que confirma o salto de 5× na resolução e a redução de até 50% no Brier score e no CRPS frente às linhas de base NWP, e o resumo do artigo arXiv 2609.03582, para o método, a resolução de 0,1° nas variáveis de nível único e a formulação exata sobre as estações não vistas no treinamento. Como confirmação independente, abri a matéria do TechCrunch de 3 de setembro de 2026, que acrescenta a comparação com os outros modelos no ranking da Brightband, a razão de parâmetros e o contraexemplo da WindBorne. Tentei abrir diretamente owb.brightband.com: a página não expõe os dados a uma recuperação em texto, então coloquei isso entre as incertezas em vez de dar como verificado. Os detalhes sobre ensemble, cadência de inicialização e acesso aos dados vêm do MarkTechPost e estão rotulados como secundários. Nenhum rumor ou vazamento na cadeia: anúncio oficial, artigo científico e veículo de referência.
- Incertezze
- O ranking Operational WeatherBench, da Brightband, não pôde ser verificado diretamente: owb.brightband.com carrega os dados via JavaScript e devolve apenas “Loading…” a uma recuperação em texto, de modo que a posição do WeatherNext 3 e a comparação com Microsoft, NVIDIA, ECMWF e NWS estão, por ora, reportadas pelo Google e pelo TechCrunch, e não lidas na fonte. Os pesos não são públicos e ninguém replicou de forma independente os percentuais de melhoria declarados: os números de CRPS e Brier score seguem sendo medições do autor do modelo, ainda que publicadas em um artigo. A contagem de parâmetros (2,4× a do WeatherNext 2) aparece no TechCrunch, mas não no anúncio oficial nem na página técnica consultada. Detalhes operacionais como o ensemble de 64 membros, as 24 inicializações diárias e o acesso aos dados por lista de espera vêm de uma fonte secundária e devem ser atribuídos como tais. Não está claro o calendário com que o modelo chegará de fato a cada produto do Google, nem a data de corte dos dados de treinamento da versão em produção.
- Perché pubblicarla
- É um lançamento oficial, documentado por um artigo científico e com uma avaliação de terceiros já citada pela própria empresa: material sólido e raro na corrida atual por modelos. E é uma das poucas aplicações de IA em que o benefício se mede fora dos benchmarks — previsões horárias a 5 km tocam a defesa civil, a agricultura e a gestão das redes elétricas. Ao mesmo tempo, oferece um estudo de caso limpo sobre o limite recorrente do setor: pesos fechados, números declarados pelo próprio autor e um ranking independente que vale a pena olhar de perto em vez de citar de ouvido.