Google DeepMind e Google Research hanno presentato WeatherNext 3, che l'azienda descrive come il proprio modello di previsione meteorologica globale più avanzato. Le valutazioni live indipendenti condotte da Brightband indicano che il sistema rappresenta un salto significativo in accuratezza predittiva e risoluzione spaziale rispetto sia ai metodi numerici convenzionali sia al predecessore WeatherNext 2.

Il nuovo modello si discosta dalla pratica consolidata imparando direttamente dalle osservazioni in tempo reale, invece di basarsi esclusivamente sui dati storici di previsione numerica del tempo, che presentano in genere un ritardo di sei ore. WeatherNext 3 acquisisce ogni ora i mosaici satellitari geostazionari globali in tempo reale, consentendogli di generare previsioni orarie con risoluzioni fino a cinque chilometri per variabili di superficie come temperatura e umidità. Il passaggio alle previsioni basate sull'IA ha un impatto che va oltre i prodotti di Google: i modelli di previsione basati sul machine learning funzionano in genere a una frazione del costo computazionale della previsione numerica tradizionale basata su supercomputer, un fattore che condiziona la rapidità con cui agenzie come NOAA, ECMWF e i servizi meteorologici nazionali adottano tecniche analoghe.

Si tratta di un miglioramento di cinque volte nella precisione spaziale rispetto a WeatherNext 2, che operava su una griglia di 25 chilometri con incrementi di sei ore; le variabili atmosferiche, inclusa la velocità del vento, sono risolte a 25 chilometri. Al centro del sistema vi è un mesh transformer Functional Generative Network che elabora sia le immagini satellitari sia le analisi storiche tradizionali per produrre nativamente campi grigliati densi, traiettorie cicloniche discrete e previsioni a livello di stazione.

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

Previsioni energetiche e disponibilità globale

Al di là del perfezionamento tecnico, WeatherNext 3 introduce capacità specializzate per il settore delle energie rinnovabili e per le regioni storicamente meno servite. Il modello prevede la velocità del vento a 100 metri insieme a stime ad alta risoluzione della copertura nuvolosa e della radiazione solare, offrendo agli operatori di rete e agli sviluppatori strumenti precisi per prevedere la produzione di energia pulita e bilanciare l'offerta rispetto alla domanda dei consumatori. Questa capacità risponde a una sfida operativa di lunga data per le reti con quote crescenti di energia eolica e solare, dove la variabilità della produzione richiede previsioni a breve termine accurate per programmare la dispacciamento e mantenere l'affidabilità.

Poiché si allena direttamente su osservazioni sparse delle stazioni meteorologiche anziché su simulazioni atmosferiche uniformizzate, il sistema tiene conto della topografia locale e delle variazioni microclimatiche estreme particolarmente rilevanti per le comunità costiere, di valle e montane. Questa metodologia è particolarmente determinante per l'America Latina, l'Africa e l'Asia-Pacifico, dove le previsioni ad alta risoluzione sono state storicamente limitate dai proibitivi costi di supercalcolo dei modelli regionali tradizionali.

L'accuratezza delle precipitazioni è migliorata sensibilmente grazie all'addestramento sui dati satellitari IMERG della NASA e sul riassunto globale proprietario delle precipitazioni di Google. Le valutazioni indipendenti mostrano Continuous Ranked Probability Scores fino al 60% migliori rispetto ai benchmark IMERG, oltre a miglioramenti del 30% rispetto a MRMS e del 10% rispetto alle misurazioni dei pluviometri nelle prime scadenze temporali.

Google sta distribuendo WeatherNext 3 nei propri ecosistemi consumer ed enterprise con effetto immediato. Il modello ora alimenta le esperienze meteorologiche in Search, Gemini, Maps, nella Weather API di Google Maps Platform e in Earth Engine. Gli utenti che pianificano viaggi o attività all'aperto potrebbero incontrare previsioni di precipitazioni fino al 50% più accurate sugli orizzonti a lungo raggio, con i guadagni più marcati nelle regioni prive in precedenza di infrastrutture di previsione affidabili.

Per ricercatori e aziende, i dataset orari di previsione globale sono interrogabili tramite BigQuery ed Earth Engine o scaricabili in blocco tramite Google Cloud Storage, senza bisogno di un deployment dedicato del modello. Il rilascio prosegue la linea dei modelli WeatherNext di Google e il lavoro su GraphCast, parte di una tendenza industriale più ampia in cui i modelli meteorologici basati sull'IA di grandi aziende tecnologiche e agenzie meteorologiche vengono utilizzati sempre più affiancati, e non in sostituzione, ai sistemi convenzionali di previsione basati sulla fisica.