Google presenta WeatherNext 3: predicción meteorológica horaria con datos de satélite en vivo y 5 km de resolución

Google DeepMind y Google Research han lanzado WeatherNext 3, un modelo meteorológico global que genera predicciones cada hora con resolución de hasta 5 kilómetros entrenando directamente sobre mosaicos de satélite geoestacionario en vivo, con validación independiente en los leaderboards de Brightband.

Qué ha ocurrido

Google DeepMind y Google Research han presentado WeatherNext 3, la tercera generación de su modelo insignia de predicción meteorológica. El salto principal no es de resolución sino de fuente de entrenamiento: los modelos de IA meteorológicos habituales —incluido WeatherNext 2— aprenden de simulaciones físicas (modelos NWP) que corren en supercomputadores y llegan con seis horas de retraso; WeatherNext 3 aprende directamente de mosaicos globales de satélites geoestacionarios en vivo y de observaciones de estaciones meteorológicas dispersas, lo que le permite emitir una predicción nueva cada hora con resolución de 5 km para temperatura y humedad, 10 km para otras variables de superficie y 25 km para variables atmosféricas. Frente a los 25 km y ciclos de seis horas de WeatherNext 2, Google cifra la mejora en un panorama «cinco veces más nítido».

Por qué importa

La predicción de precipitación es el talón de Aquiles de los modelos globales, y aquí los números son concretos: en evaluaciones de rango medio el modelo mejora el CRPS hasta un 60 % contra IMERG (el conjunto de satélites de precipitación de la NASA), un 30 % contra MRMS y un 10 % contra pluviómetros en los plazos iniciales. En la actualización para consumidores, Google habla de hasta un 50 % más de precisión en lluvia a un día o más vista, con las mayores mejoras en las regiones donde los partes históricamente fallaban más.

El detalle geopolítico relevante: al prescindir de los modelos físicos regionales de supercomputación, el abaratamiento beneficia sobre todo a zonas tradicionalmente desatendidas por la predicción de alta resolución —Latinoamérica, África y Asia-Pacífico—, donde vive la mayor parte de la población expuesta a eventos extremos sin alerta fina.

Google añade además variables pensadas para la red eléctrica: vientos a 100 metros (altura de turbina), cobertura de nubes y radiación solar de alta resolución para planificación de renovables, y ya alimenta Google Search, la app de Gemini, Google Maps, la Weather API de Maps Platform y Earth Engine.

Qué sabemos

• El post oficial cita evaluaciones independientes en vivo de Brightband como base de la afirmación de ser «el modelo global más preciso hasta la fecha», y enlaza los leaderboards públicos.
• La precisión de precipitación se entrena con IMERG de la NASA y un reanálisis propio basado en radar satelital.
• Los datos de predicción quedan disponibles por BigQuery, Earth Engine y descarga masiva en Google Cloud Storage.
• El modelo usa una red transformer funcional generativa (FGN) de malla única que ingiere mosaicos satelitales horarios y devuelve campos densos de rejilla más trayectorias discretas de ciclones.
• Google incluye la advertencia expresa de que para avisos oficiales de seguridad hay que seguir refiriéndose a las agencias meteorológicas nacionales.

Qué no sabemos

Brightband publica leaderboards independientes en vivo, pero todavía no hay un paper revisado por pares ni una evaluación de servicios meteorológicos nacionales (AEMET, ECMWF) sobre la versión 3. Tampoco se han detallado los costes de inferencia ni la disponibilidad del API en mercados concretos, ni qué margen de mejora real tiene sobre los modelos de código abierto que la competencia distribuye gratis.

Qué vigilar

La posición sostenida de WeatherNext 3 en los leaderboards de Brightband frente a la avalancha de modelos meteorológicos de código abierto, y si AEMET o la AEMET europea integran o citan estos datos en sus partes. Y la adopción empresarial de las variables de renovables: si los operadores de red empiezan a usarlas en producción, el modelo pasa de titular a infraestructura.

Qué cambió

AntesLos modelos de IA meteorológica aprendían de simulaciones físicas con seis horas de retraso y rejillas de 25 km.

AhoraWeatherNext 3 entrena sobre satélites geoestacionarios en vivo y emite predicciones horarias de hasta 5 km con validación independiente en Brightband.

ConsecuenciaLa predicción fina deja de depender de supercomputación estatal y llega a regiones desatendidas, con datos abiertos para redes eléctricas y seguros.

Qué sabemos · qué no

Confirmado

• Mejora de CRPS de hasta 60 % contra IMERG y 30 % contra MRMS en precipitación de rango medio.
• Hasta 50 % más de precisión de lluvia a un día vista en la actualización de consumo.
• Integración inmediata en Search, Gemini, Maps, Maps Platform y Earth Engine.

Todavía no

• Evaluación de servicios meteorológicos nacionales (AEMET/ECMWF) sobre la versión 3.
• Costes de inferencia y condiciones del API para terceros.
• Comparativa directa con los modelos meteorológicos open source de código abierto.

Para ir al grano técnico

• → paper

Qué vigilamos ahora

Posición sostenida en Brightband y adopción de las variables de renovables por operadores de red.