Google выпустила WeatherNext 3, прогноз погоды без физических симуляций

Google Research и DeepMind представили WeatherNext 3, новое поколение ИИ-модели прогноза погоды, которое отказалось от традиционных численных симуляций (NWP) и учится напрямую на данных геостационарных спутников в реальном времени. По словам Google, физические симуляции считаются на суперкомпьютерах и приходят с задержкой в шесть часов, что вносит ошибки в быстро меняющиеся переменные вроде осадков и температуры. WeatherNext 3 вместо этого пересчитывает прогноз каждый час на основе свежих спутниковых наблюдений с разрешением до 5 километров.

Модель выдаёт прогнозы сразу на нескольких уровнях детализации: температура и влажность, с шагом сетки 5 км, прочие поверхностные переменные, 10 км, атмосферные величины вроде скорости ветра, 25 км. Это примерно в пять раз точнее предшественника WeatherNext 2, который работал с сеткой 25 км и обновлялся раз в шесть часов. Google приводит в пример прогноз температуры над Великобританией: у WeatherNext 2 на 25-километровой сетке карта получается размытой, у WeatherNext 3 на 5-километровой, видны локальные особенности рельефа. Модель также обучена на данных отдельных метеостанций, что позволяет точнее учитывать побережья, долины и горы; по оценке Google, больше всего от этого выиграют регионы Латинской Америки, Африки и Азиатско-Тихоокеанского региона, где традиционные региональные модели раньше были недоступны из-за высокой стоимости вычислений.

Отдельно улучшены прогнозы осадков, традиционно слабое место глобальных моделей погоды, поскольку дождь и снег зависят от быстрых процессов в облаках на малых масштабах. WeatherNext 3 обучена на спутниковом наборе данных NASA IMERG и на собственном глобальном анализе осадков Google, построенном на спутниковых радарных данных. Для среднесрочных глобальных прогнозов метрика CRPS (Continuous Ranked Probability Score) показывает улучшение до 60% относительно IMERG, на 30% относительно MRMS и на 10% относительно дождемеров на коротких горизонтах прогноза. При планировании на день вперёд и дальше пользователи должны увидеть прогнозы осадков точнее до 50%, с наибольшим выигрышем в регионах, где раньше прогнозы были менее надёжны.

Модель также предсказывает скорость ветра на высоте 100 метров, примерно на уровне турбины, для оценки выработки ветряных электростанций, а более точные данные об облачности и солнечной радиации позволяют рассчитывать ожидаемую выработку солнечных станций; по словам Google, это должно помочь операторам энергосетей балансировать спрос и предложение.

Данные обновляются ежечасно и доступны исследователям, разработчикам и бизнесу через BigQuery и Earth Engine, а также массовой выгрузкой из Google Cloud Storage. WeatherNext 3 уже работает в погодных функциях Google Search, приложении Gemini, Google Картах, Google Maps Platform Weather API и Google Earth Engine. Google подчёркивает, что атмосфера всё равно остаётся отчасти непредсказуемой, и за официальными прогнозами, штормовыми предупреждениями и рекомендациями по безопасности отправляет пользователей к национальным метеослужбам.

Предыдущая версия, WeatherNext 2, вышла в ноябре 2025 года и превзошла первое поколение WeatherNext по 99,9% метеорологических переменных и горизонтов прогноза, работая при этом в восемь раз быстрее, сотни сценариев погоды она обсчитывала менее чем за минуту на одном TPU. В основе WeatherNext 2 и WeatherNext 3 лежит одна и та же архитектура, Functional Generative Network. В августе 2026 года DeepMind открыла лицензии на WeatherNext 2 и отдельную модель WeatherNext Cyclones, которая предсказывает траекторию и интенсивность тропических штормов и заглядывает примерно на день дальше ведущих операционных моделей, несмотря на то что использует сетку примерно в сто раз грубее. Ещё раньше, в конце 2024 года, DeepMind выпустила GenCast, первую вероятностную ИИ-модель погоды, превзошедшую ансамблевую систему ECMWF.

Ключевые факты

• Google Research и DeepMind выпустили WeatherNext 3, модель погоды, которая учится напрямую на данных геостационарных спутников вместо традиционных физических симуляций (NWP), дающих задержку в шесть часов
• Прогнозы обновляются каждый час с разрешением до 5 км для температуры и влажности (10 км, прочие поверхностные переменные, 25 км, атмосферные), что примерно в пять раз точнее предшественника WeatherNext 2 (25 км, раз в шесть часов)
• Точность прогноза осадков (по метрике CRPS) выросла до 60% относительно спутникового набора IMERG, на 30% относительно MRMS и на 10% относительно дождемеров; для прогнозов на день вперёд и дальше, до 50% точнее
• Модель также прогнозирует скорость ветра на высоте 100 м и данные по облачности и солнечной радиации, для оценки выработки ветряных и солнечных электростанций
• WeatherNext 3 уже работает в Google Search, Google Картах, приложении Gemini, Google Maps Platform Weather API и Google Earth Engine; данные доступны через BigQuery, Earth Engine и выгрузкой из Google Cloud Storage

Почему это важно

WeatherNext 3 меняет сам подход к прогнозированию погоды: вместо расчёта физических уравнений на суперкомпьютерах с задержкой в шесть часов модель учится напрямую на потоке спутниковых данных и пересчитывает прогноз каждый час. Разрешение выросло примерно в пять раз по сравнению с WeatherNext 2, с 25 до 5 километров для ключевых переменных, что позволяет различать локальные погодные явления и особенности рельефа там, где раньше карта была размытой.

Кому это важно

В первую очередь, пользователям Google Search, Google Карт и Gemini, где прогноз обновится напрямую. Заметный выигрыш достанется регионам Латинской Америки, Африки и Азиатско-Тихоокеанского региона, где традиционные региональные модели погоды были недоступны из-за высокой стоимости вычислений. Отдельная аудитория, операторы энергосетей и владельцы ветряных и солнечных электростанций: более точные данные по ветру на высоте турбины и по солнечной радиации помогают точнее планировать выработку.

Как это применить

Разработчики и исследователи могут получить данные WeatherNext 3 через BigQuery и Google Earth Engine или выгрузить их массово из Google Cloud Storage, цена доступа в источнике не указана. Готовые интеграции доступны через Google Maps Platform Weather API для тех, кто встраивает погодные данные в собственные продукты.

Можно ли доверять

Источник (The Decoder) описывает релиз по официальным материалам Google и DeepMind; все цифры точности, из собственных публикаций Google, независимой проверки в статье нет. У предшественника, WeatherNext 2, заявленное превосходство по 99,9% переменных также опирается на данные компании. Google прямо признаёт, что атмосфера остаётся отчасти непредсказуемой, и рекомендует для официальных штормовых предупреждений обращаться к национальным метеослужбам, а не к WeatherNext.

Риски и подводные камни

В статье не названо ни одного конкретного исследователя или представителя компании, все формулировки идут от лица Google в целом, что не позволяет оценить, кто именно отвечает за архитектуру или интерпретацию результатов. Не раскрыт механизм того, как именно модель «учится напрямую» на спутниковых данных, известно только, что в основе лежит архитектура Functional Generative Network, общая с WeatherNext 2. Источники сравнения (IMERG, MRMS) не расшифрованы подробно, а точная дата релиза WeatherNext 3 (день) в статье не указана.