WeatherNext 3 de Google trae pronósticos horarios a 5 km de resolución

Google DeepMind lanzó WeatherNext 3 el 3 de septiembre de 2026, un modelo de pronóstico del tiempo que actualiza sus predicciones cada hora en lugar de cada seis. La nueva versión también agudiza la resolución de variables clave hasta los 5 kilómetros, sustituyendo la cuadrícula plana de 25 kilómetros que usaba su predecesor para todo.

Qué mejoró realmente

El modelo anterior, WeatherNext 2, producía una única resolución para cada tipo de dato: 25 kilómetros, actualizados cada seis horas. WeatherNext 3 separa eso por tipo de variable.

Tipo de variable	Resolución
Temperatura y humedad	5 kilómetros
Otras variables de superficie	10 kilómetros
Velocidad del viento y variables atmosféricas	25 kilómetros

Tanto el anuncio de Google como Unite.AI describen la actualización como unas cinco veces más nítida para las variables que la gente consulta a diario. Los pronósticos llegan ahora cada hora en lugar de cada seis.

Qué alimenta realmente al modelo

El salto en detalle se remonta a lo que el modelo lee, no solo a cómo se entrenó.

Unite.AI informa de que el modelo ingiere un mosaico satelital geoestacionario de 11 canales a una resolución de 0,1 grados, actualizado de forma continua. También se apoya en observaciones terrestres de estaciones meteorológicas, datos de precipitación de la NASA y un conjunto de datos propio de reanálisis global de precipitación. Ese flujo satelital en vivo es lo que hace posibles las actualizaciones horarias. Cada pronóstico se basa en observaciones de la última hora, en lugar de esperar a la siguiente ejecución programada.

Ambas fuentes informan de una ganancia real de precisión gracias a este enfoque, no solo de una salida más frecuente. Los pronósticos de lluvia mejoraron hasta un 60% frente al producto satelital de precipitación de la NASA, y un 30% frente al radar terrestre.

Dónde pueden acceder realmente los desarrolladores

Este es un modelo construido para ser consultado, no solo para leer sobre él.

El anuncio de Google enumera acceso directo a través de BigQuery y Earth Engine, además de descargas masivas desde Google Cloud Storage. El formato de descarga es Zarr, un formato de matrices fragmentadas construido para grandes datos científicos en cuadrícula. El mismo modelo también impulsa los resultados meteorológicos dentro de Búsqueda, Gemini, Google Maps y la API Maps Platform Weather.

Unite.AI señala un límite explícito que merece repetirse en vez de pasarse por alto. El propio Google describe WeatherNext como "un sistema de IA automatizado y experimental", y dice que los usuarios deberían consultar a las agencias meteorológicas oficiales ante clima severo en lugar de confiar solo en él.

Qué significa esto para los desarrolladores

Si ya obtiene datos meteorológicos a través de la API Maps Platform Weather o Earth Engine, compruebe una cosa primero. Confirme si su integración está fijada a una versión concreta del modelo, antes de que este cambio se despliegue en silencio bajo sus pies. Pasar de actualizaciones cada 6 horas a actualizaciones horarias cambia la forma de los datos que recibe su código, no solo su precisión. Una capa de caché construida sobre la premisa de una frescura de 6 horas servirá datos obsoletos con mucha más frecuencia que antes.

Presupueste de otra manera la vía de acceso en bruto. Descargar en masa datos Zarr en cuadrícula desde Cloud Storage tiene un perfil de coste e ingeniería distinto al de consultar BigQuery por las celdas exactas que necesita. Si su caso de uso solo toca un puñado de ubicaciones, consulte en vez de descargar. Si necesita la cuadrícula completa para modelado sin conexión, la vía masiva está construida justo para eso.

Mantenga la etiqueta de "experimental" en su propia evaluación de riesgos, no solo en la de Google. Un modelo lo bastante bueno como para impulsar las respuestas meteorológicas de Búsqueda sigue estando explícitamente señalado como inadecuado como única fuente para decisiones ante clima severo. Si su producto toma alguna decisión relevante para la seguridad basada en estos datos, mantenga una fuente meteorológica oficial como respaldo, no como una idea de último momento.