Прогнозування погоди протягом десятиліть працювало майже за тим самим графіком. Традиційні чисельні моделі прогнозування погоди отримують дані кожні шість годин, виконують масштабні фізичні симуляції і виводять результати, які вже трохи застаріли на момент, коли хтось їх читає.
3 вересня 2026 року Google DeepMind і Google Research оголосили про WeatherNext 3 — глобальну метеорологічну модель на основі ШІ, яка генерує прогнози щогодини за допомогою даних із геостаціонарних супутників у реальному часі. Це перша глобальна модель, яка досягла справжніх циклів оновлення щогодини, а ранні тестування свідчать, що вона не лише швидша, а й значно точніша за попередні рішення.
Що саме робить WeatherNext 3 по-іншому
Основна інновація на перший погляд проста: замість очікування пакетних спостережуваних даних, які надходять кожні шість годин, WeatherNext 3 навчається безпосередньо на потоках даних із супутників у реальному часі. Це означає, що він може ініціалізувати новий прогноз кожну годину, надаючи метеорологам та індустріям, які залежать від них, набагато ближче до живого зображення атмосфери.
Роздільна здатність розповідає подібну історію. Модель забезпечує просторову деталізацію до 5 км для поверхневих змінних, каліброваних за станціями, таких як температура та вологість, 10 км для інших вимірювань на поверхні та 25 км для атмосферних змінних. Це приблизно в п’ять разів гостріше, ніж у його попередника, WeatherNext 2, який був запущений у листопаді 2025 року.
Щодо опадів, покращення ще більш вражаючі. Прогнози дощу й снігу WeatherNext 3 на 50% точніші за попередні моделі для періодів передбачення в один день і довше, що виміряно за показниками Brier та CRPS порівняно з спостереженнями супутника IMERG щодо опадів.
Модель генерує ансамблеві прогнози з 64 учасниками. Вибрані цикли прогнозування розтягуються на 15 днів, тоді як годинні проміжні розрахунки охоплюють період 48 годин.
Від GraphCast до WeatherNext 3: походження
Google DeepMind системно розробляє свою погодну AI-платформу з 2023 року, коли представила GraphCast — модель, яка продемонструвала, що машинне навчання може зрівнятися з традиційними фізичними методами прогнозування для середньострокових прогнозів. У 2024 році з’явився GenCast, який додав можливості ймовірнісного ансамблю. WeatherNext 2 з’явився у листопаді 2025 року. WeatherNext 3 — це наступний логічний крок: забезпечення повного конвеєра в реальному часі шляхом безпосереднього підключення до потоків спостережень з супутників, а не залежності від попередньо оброблених аналітичних полів, які викликають затримки.
Операційна платформа WeatherBench від Brightband, незалежна оціночна система, визначила WeatherNext 3 як найбільш просунуту та точну глобальну метеорологічну модель, що доступна на даний момент.
Модель також демонструє високу ефективність під час екстремальних погодних явищ. Прогнозування траєкторії та інтенсивності циклонів було спеціальною областю уваги.
Чиста енергія та комерційні застосування
WeatherNext 3 цілеспрямовано враховує змінні вітру та сонячного світла, що робить його безпосередньо корисним для операцій відновлюваної енергетики. Google інтегрує вихідні дані моделі в пошук, карти та Earth Engine. Для розробників і дослідників дані доступні через BigQuery на Google Cloud.
50-відсоткове покращення точності прогнозу опадів на добу вперед особливо важливе для сільського господарства, оскільки час дощу майже так само важливий, як і обсяг опадів для аграрного планування.