WeatherNext 3 do Google traz previsões horárias com 5 km de resolução

O Google DeepMind lançou o WeatherNext 3 em 3 de setembro de 2026, um modelo de previsão do tempo que atualiza suas previsões a cada hora, em vez de a cada seis. A nova versão também aumenta a resolução de variáveis-chave para 5 quilômetros, substituindo a grade uniforme de 25 quilômetros que a versão anterior usava para tudo.

O que realmente melhorou

O modelo antigo, o WeatherNext 2, produzia uma única resolução para cada tipo de dado: 25 quilômetros, atualizados a cada seis horas. O WeatherNext 3 separa isso por tipo de variável.

Tipo de variável	Resolução
Temperatura e umidade	5 quilômetros
Outras variáveis de superfície	10 quilômetros
Velocidade do vento e variáveis atmosféricas	25 quilômetros

Tanto o anúncio do próprio Google quanto o Unite.AI descrevem a atualização como cerca de cinco vezes mais nítida para as variáveis que as pessoas checam no dia a dia. As previsões agora chegam a cada hora, em vez de a cada seis.

O que realmente alimenta o modelo

O salto em detalhe remonta ao que o modelo lê, não só a como foi treinado.

O Unite.AI relata que o modelo ingere um mosaico de satélite geoestacionário de 11 canais, com resolução de 0,1 grau, atualizado continuamente. Ele também se apoia em observações terrestres de estações meteorológicas, dados de precipitação da NASA e um conjunto de dados próprio de reanálise global de precipitação. É esse fluxo de satélite ao vivo que torna possíveis as atualizações horárias. Cada previsão se baseia em observações da última hora, em vez de esperar pela próxima rodada programada.

As duas fontes relatam um ganho real de precisão vindo dessa abordagem, não apenas uma saída mais frequente. As previsões de chuva melhoraram em até 60% na comparação com o produto de precipitação por satélite da NASA, e 30% frente ao radar terrestre.

Onde os desenvolvedores conseguem acessar de fato

Este é um modelo construído para ser consultado, não só para se ler a respeito.

O anúncio do Google lista acesso direto via BigQuery e Earth Engine, além de downloads em lote do Google Cloud Storage. O formato de download é o Zarr, um formato de arrays em blocos construído para grandes dados científicos em grade. O mesmo modelo também alimenta os resultados de clima na Busca, no Gemini, no Google Maps e na API Maps Platform Weather.

O Unite.AI aponta um limite explícito que vale repetir em vez de deixar passar. O próprio Google descreve o WeatherNext como "um sistema de IA automatizado e experimental", e diz que os usuários devem consultar agências meteorológicas oficiais em caso de mau tempo, em vez de confiar só nele.

O que isso significa para desenvolvedores

Se você já puxa dados de clima pela API Maps Platform Weather ou pelo Earth Engine, confira uma coisa primeiro. Confirme se a sua integração está fixada numa versão específica do modelo, antes que essa mudança entre em vigor silenciosamente sob seus pés. Passar de atualizações a cada 6 horas para atualizações a cada hora muda o formato dos dados que seu código recebe, não só a precisão deles. Uma camada de cache construída em torno de uma validade de 6 horas vai servir dados desatualizados com muito mais frequência do que antes.

Faça o orçamento de forma diferente para o caminho de acesso bruto. Baixar em lote dados Zarr em grade do Cloud Storage tem um perfil de custo e engenharia diferente de consultar o BigQuery pelas células exatas de que você precisa. Se o seu caso de uso toca só um punhado de locais, consulte em vez de baixar. Se precisa da grade inteira para modelagem offline, o caminho em lote foi construído exatamente para isso.

Mantenha o rótulo "experimental" na sua própria avaliação de risco, não só na do Google. Um modelo bom o bastante para alimentar as respostas de clima da Busca ainda está explicitamente sinalizado como inadequado como única fonte para decisões em mau tempo. Se o seu produto toma alguma decisão relevante para a segurança com base nesses dados, mantenha uma fonte meteorológica oficial como alternativa, não como algo pensado depois.