Google DeepMind y Google Research han presentado WeatherNext 3, que la compañía describe como su modelo de pronóstico meteorológico global más avanzado hasta la fecha. Las evaluaciones en vivo independientes realizadas por Brightband indican que el sistema representa un salto significativo en precisión predictiva y resolución espacial respecto tanto de los métodos numéricos convencionales como de su predecesor, WeatherNext 2.

El nuevo modelo rompe con la práctica establecida al aprender directamente de observaciones en tiempo real, en lugar de depender únicamente de datos históricos de predicción numérica del tiempo, que suelen tener un retraso de seis horas. WeatherNext 3 incorpora mosaicos satelitales geoestacionarios globales en vivo cada hora, lo que le permite generar pronósticos horarios con resoluciones de hasta cinco kilómetros para variables de superficie como la temperatura y la humedad. El giro hacia el pronóstico basado en IA trasciende los productos de la propia Google: los modelos de pronóstico mediante aprendizaje automático generalmente operan con una fracción del costo computacional de la predicción numérica tradicional basada en supercomputadoras, un factor que influye en la rapidez con que agencias como la NOAA, el ECMWF y los servicios meteorológicos nacionales adoptan técnicas comparables.

Eso representa una mejora de cinco veces en precisión espacial respecto a WeatherNext 2, que operaba en una cuadrícula de 25 kilómetros con incrementos de seis horas; las variables atmosféricas, incluida la velocidad del viento, se resuelven a 25 kilómetros. En el núcleo del sistema hay un mesh transformer de Red Generativa Funcional que procesa tanto imágenes satelitales como análisis históricos tradicionales para producir de forma nativa campos reticulados densos, trayectorias discretas de ciclones y predicciones a nivel de estación.

Introducing WeatherNext 3, our most advanced and accurate global weather AI model to date, from @GoogleDeepMind and @GoogleResearch. This new forecasting model learns directly from real-time observations, and uses raw satellite data to produce a forecast every hour in high… pic.twitter.com/WlljsjiSfy — News from Google (@NewsFromGoogle) September 3, 2026

Pronóstico de energía y disponibilidad global

Más allá del refinamiento técnico, WeatherNext 3 aporta capacidades especializadas para el sector de energías renovables y para regiones históricamente desatendidas. El modelo pronostica velocidades del viento a 100 metros junto con estimaciones de alta resolución de nubosidad y radiación solar, ofreciendo a operadores de redes eléctricas y desarrolladores herramientas precisas para predecir la generación de energía limpia y equilibrar la oferta con la demanda de los consumidores. Esta capacidad aborda un desafío operativo de larga data para redes con proporciones crecientes de energía eólica y solar, donde la variabilidad de la generación exige pronósticos de corto plazo precisos para programar el despacho y mantener la confiabilidad.

Como se entrena directamente con observaciones dispersas de estaciones meteorológicas en lugar de simulaciones atmosféricas suavizadas, el sistema considera la topografía local y las variaciones microclimáticas extremas especialmente relevantes para comunidades costeras, de valle y de montaña. Esta metodología es particularmente significativa para América Latina, África y Asia-Pacífico, donde el pronóstico de alta resolución se ha visto históricamente limitado por los costos prohibitivos de supercomputación de los modelos regionales tradicionales.

La precisión de las precipitaciones ha mejorado notablemente mediante el entrenamiento con datos satelitales IMERG de la NASA y el reanálisis global de precipitaciones propio de Google. Las evaluaciones independientes muestran puntuaciones de Continuous Ranked Probability Score hasta 60% mejores frente a los benchmarks de IMERG, junto con mejoras de 30% frente a MRMS y de 10% frente a mediciones de pluviómetros en los plazos tempranos.

Google está implementando WeatherNext 3 en sus ecosistemas de consumo y empresariales con efecto inmediato. El modelo ahora impulsa las experiencias meteorológicas en Search, Gemini, Maps, la Weather API de Google Maps Platform y Earth Engine. Los usuarios que planifiquen viajes o actividades al aire libre podrán encontrar pronósticos de precipitaciones hasta 50% más precisos en horizontes de mayor plazo, con las mejoras más marcadas en regiones que antes carecían de infraestructura confiable de pronóstico.

Para investigadores y empresas, los conjuntos de datos de predicción global por hora pueden consultarse a través de BigQuery y Earth Engine o descargarse de forma masiva mediante Google Cloud Storage sin necesidad de implementar el modelo por separado. Este lanzamiento continúa la línea de modelos WeatherNext de Google y su trabajo con GraphCast, parte de una tendencia industrial más amplia en la que los modelos meteorológicos de IA de grandes tecnológicas y agencias meteorológicas se usan cada vez más junto a—and no en lugar de—los sistemas convencionales de pronóstico basados en física.