Google DeepMind y Google Research han lanzado sus últimos modelos de pronóstico del tiempo basados en inteligencia artificial, y la brecha de rendimiento entre el aprendizaje automático y la meteorología tradicional impulsada por supercomputadoras se ha ampliado considerablemente.
La familia actualizada WeatherNext, que incluye WeatherNext 2 y una variante especializada para el seguimiento de ciclones llamada WeatherNext Cyclones (WN-C), proporciona pronósticos hasta 8 veces más rápido que sus predecesores, superando a los sistemas convencionales basados en física en casi todas las dimensiones medibles. WeatherNext 2 supera a los modelos anteriores en el 99,9% de las variables de pronóstico.
Lo que realmente hacen los modelos
WeatherNext opera con una resolución espacial de 0,25 grados, lo que equivale a aproximadamente 30 kilómetros en el ecuador. Las predicciones se inicializan cada seis horas, a las 00, 06, 12 y 18 UTC, y las versiones de ensamble extienden las predicciones hasta 15 días.
El modelo específico para ciclones, WN-C, es donde las cosas se vuelven especialmente interesantes. Un artículo revisado por pares publicado en Nature el 6 de agosto de 2026 documenta el desempeño de WN-C durante la temporada de huracanes del Atlántico de 2025. El hallazgo principal: el modelo de IA proporciona aproximadamente un día adicional de tiempo de anticipación en comparación con los sistemas de pronóstico convencionales para predicciones de trayectoria, intensidad y tamaño de los ciclones. El modelo demostró ser particularmente efectivo al predecir el huracán Melissa, una de las tormentas más notables de la temporada de 2025.
Los modelos se entrenan con datos de ERA5 y HRES del Centro Europeo para las Predicciones Meteorológicas de Mediano Plazo. La arquitectura subyacente se basa en Redes Generativas Funcionales (FGN) para producir pronósticos en conjunto, una técnica que genera proyecciones de escenarios diversos consumiendo mucho menos poder computacional que las supercomputadoras tradicionalmente utilizadas para la modelización del clima.
Código abierto e integración en la nube
Los modelos WeatherNext, incluidos los pesos preentrenados, han sido liberados como código abierto en GitHub bajo una licencia Apache 2.0. También existe una variante mini de WeatherNext que puede ejecutarse en una única TPU en los cuadernos gratuitos de Google Colab.
Google también ha integrado los modelos en su infraestructura en la nube, haciéndolos accesibles a través de BigQuery y Earth Engine. La integración gradual en Google Cloud y productos orientados al consumidor ha estado en curso desde 2025.
Por qué las industrias más allá de la tecnología deben prestar atención
La precisión en la predicción del clima tiene consecuencias financieras directas en una sorprendente cantidad de sectores. Los mercados energéticos son los beneficiarios más obvios. Los operadores de la red que gestionan fuentes de energía renovable como eólica y solar necesitan pronósticos precisos de varios días para equilibrar la oferta y la demanda. La agricultura es otro sector donde los tiempos de anticipación mejorados son extremadamente importantes. Las compañías de seguros y reaseguros, que fijan el riesgo de catástrofe parcialmente en función de los resultados de los modelos de predicción, podrían necesitar recalibrar sus enfoques ante un modelo que pueda predecir la intensidad de los ciclones un día completo antes que las herramientas convencionales.
La disponibilidad de estos modelos a través de infraestructura en la nube y canales de código abierto también reduce la barrera de entrada para startups y pequeñas empresas que desean desarrollar servicios dependientes del clima.