Google DeepMind 3 сентября 2026 года представила WeatherNext 3 — новую глобальную ИИ-модель для прогноза погоды. Это не партнёрство и не корпоративный отчёт, а конкретный модельный релиз: Google описывает новую архитектуру прогноза, новые источники данных и сразу выводит результат в продукты и облачные каналы доступа.
Главное отличие от предыдущего поколения — модель чаще обновляется и смотрит на атмосферу ближе к текущему моменту. WeatherNext 3 использует живые мозаики геостационарных спутников, строит новые прогнозы каждый час и даёт более детальную картину для части погодных переменных. Для обычного пользователя это выглядит как более точный прогноз дождя или снега в Google, а для разработчика и аналитика — как готовый слой погодных данных, который можно забирать через BigQuery, Earth Engine или Google Cloud Storage.
Что именно выпустила Google
WeatherNext 3 — это специализированная модель прогноза погоды от Google DeepMind и Google Research. Она продолжает линию WeatherNext, но важный сдвиг здесь не в красивом названии, а в источниках и частоте обновления.
Многие ИИ-модели погоды учатся на результатах классических численных моделей. Такие модели полезны, но они опираются на тяжёлые физические расчёты и часто имеют задержку по данным. Google пишет, что WeatherNext 3 добавляет низколатентные спутниковые наблюдения и поэтому получает более свежую картину облаков, фронтов, осадков и быстрых изменений в атмосфере.
Практически это означает три вещи. Во-первых, прогнозы обновляются каждый час, а не раз в несколько часов. Во-вторых, часть поверхностных переменных можно визуализировать с детализацией до 5 км, другие поверхностные переменные — до 10 км, атмосферные вроде скорости ветра — до 25 км. В-третьих, модель отдельно обучалась на более прямых наблюдениях: спутниковых данных по осадкам, станционных измерениях температуры и влажности, а также данных, полезных для описания тропических циклонов.
Чем WeatherNext 3 отличается от WeatherNext 2
Google сравнивает WeatherNext 3 с WeatherNext 2 довольно предметно. Предыдущее поколение строило глобальный прогноз на сетке около 25 км и с шагом 6 часов. Новая версия даёт более частый цикл и примерно в пять раз более детальную глобальную картину там, где это поддерживается переменной и каналом данных.
Это не просто косметическое улучшение интерфейса погодного приложения. В погоде granularity решает многое. Дождевой фронт, туман у побережья, резкий перепад температуры в долине или облачность над солнечной электростанцией могут быть локальными. Если сетка слишком грубая, модель видит усреднённую картину и промахивается в местах, где человеку нужен конкретный ответ.
Поэтому WeatherNext 3 интересна как пример следующего этапа прикладных ИИ-моделей. Здесь модель не пытается заменить весь метеорологический контур одной нейросетью. Она встраивается между наблюдениями, физическими моделями, историческими данными и пользовательскими продуктами, чтобы чаще уточнять прогноз и делать его полезнее на местах.
Почему важны спутниковые данные
В официальном описании Google главный акцент сделан на живых геостационарных спутниковых мозаиках. Это логично: облака и осадки меняются быстро, а классический глобальный прогноз не всегда успевает переоценить ситуацию с нужной частотой.
Если модель получает более свежий спутниковый снимок атмосферы, она может быстрее увидеть зарождающийся фронт, сдвиг облачности или усиление осадков. Для пользователя это может превратиться в более адекватное предупреждение перед поездкой. Для бизнеса — в корректировку логистики, сельхозработ, энергопланирования или расписания открытых площадок.
Отдельно важно, что Google говорит о регионах, где высокоточные локальные прогнозы исторически слабее: Латинская Америка, Африка и Азиатско-Тихоокеанский регион. Там меньше плотных сетей наземных наблюдений и сложнее содержать региональные высокодетальные физические модели. Если ИИ-модель действительно лучше использует спутниковую картину и редкие станционные данные, эффект может быть заметнее именно за пределами привычных рынков США и Европы.
Осадки стали отдельной задачей
Осадки — один из самых сложных элементов прогноза. Температура и давление часто меняются более плавно, а дождь и снег зависят от мелких и быстрых процессов в облаках. Поэтому пользовательская претензия к погодным сервисам обычно звучит не как «температура ошиблась на градус», а как «обещали сухо, а через час начался ливень».
Google заявляет, что WeatherNext 3 даёт до 50 % более точные прогнозы осадков, когда человек планирует на сутки или дальше. В статье также приведены исследовательские метрики против разных источников наблюдений: IMERG, MRMS и дождемеров. Я бы не превращал эти цифры в универсальную гарантию для любого города и любого сценария. Но направление понятно: модель специально доучивали не только на абстрактном состоянии атмосферы, а на данных, которые ближе к реальному дождю и снегу.
Для продуктового мышления это хороший пример. Модельный релиз ценен не потому, что в нём больше параметров, а потому что он бьёт в боль пользователя: осадки, локальные перепады, частые обновления, понятный доступ к данным.
Где это уже доступно
Google пишет, что WeatherNext 3 начинает работать в Google Search, приложении Gemini, Google Maps, Google Maps Platform Weather API и Google Earth Engine. Для исследователей, разработчиков и компаний доступны несколько вариантов работы с данными: запросы в BigQuery и Earth Engine, а также массовая загрузка из Google Cloud Storage.
Это важная деталь для разработчиков. Иногда модельный релиз остаётся научной демонстрацией: есть paper, есть красивые графики, но нет нормального способа использовать результат в своём процессе. Здесь Google сразу связывает модель с облачной инфраструктурой и картографическими продуктами. Если проекту нужны погодные признаки для аналитики, маршрутизации, оценки рисков или планирования энергии, WeatherNext 3 можно рассматривать как внешний источник данных, а не как модель, которую придётся поднимать самостоятельно.
При этом доступность надо проверять по своему аккаунту и региону. В официальной новости не стоит читать больше, чем там написано: Google объявила запуск и каналы интеграции, но конкретные условия, лимиты, стоимость и доступность отдельных наборов данных могут отличаться по продуктам Google Cloud и Earth Engine.
Почему это интересно не только метеорологам
На первый взгляд WeatherNext 3 — узкая научная новость. Для блога про сайты, SEO и автоматизацию она всё равно полезна, потому что показывает зрелый формат прикладной ИИ-системы.
Первый урок — модель должна быть привязана к живым данным. Если ИИ работает с устаревшим срезом, он может быть умным, но бесполезным в операционной задаче. В погоде это очевидно: старый снимок атмосферы быстро теряет ценность. В бизнес-автоматизации то же самое: агент без свежих заказов, складских остатков, логов и ограничений будет уверенно принимать неверные решения.
Второй урок — результат надо доставить в привычный интерфейс. Google не оставляет WeatherNext 3 только в лаборатории. Модель сразу попадает в Search, Maps, Gemini и облачные API. Для внедрения ИИ в компании это часто главный рубеж: не «мы сделали модель», а «человек получает лучший ответ там, где он уже принимает решение».
Третий урок — специализированные модели никуда не исчезают. Рынок любит обсуждать универсальные чат-модели, но многие серьёзные задачи требуют отдельного домена, данных, метрик и интерфейса. WeatherNext 3 не обязана писать код или вести диалог. Её задача — лучше предсказывать физический процесс и отдавать этот прогноз в продукты.
Как попробовать
Обычному пользователю ничего специально устанавливать не нужно. Google заявляет, что WeatherNext 3 начинает питать погодные сценарии в Search, Gemini и Maps. Проще говоря, эффект должен появляться в привычных погодных ответах и карточках, хотя отдельной кнопки «включить WeatherNext 3» может не быть.
Разработчикам и аналитикам стоит смотреть в сторону Google Maps Platform Weather API, Google Earth Engine, BigQuery и публичных наборов WeatherNext в Google Cloud. В Earth Engine уже есть каталог WeatherNext 3 с экспериментальными среднесрочными ансамблевыми прогнозами, включая глобальную сетку 0,05 градуса для части данных и горизонт до 15 суток для основных запусков. Для полного набора и атмосферных данных Google указывает Google Cloud Storage и форму доступа.
Если вы строите сервис, где погода влияет на решение, начинать лучше с маленького проверочного контура. Например: взять исторические периоды, сравнить WeatherNext 3 с текущим источником прогноза, проверить ошибку по нужной метрике и только потом подключать данные в боевую логику. Для логистики, сельского хозяйства, мероприятий и энергетики ошибка прогноза стоит денег, поэтому красивого анонса недостаточно.
Что пока не стоит додумывать
В релизе нет обещания, что WeatherNext 3 отменяет официальные метеослужбы. Google отдельно напоминает: для официальных прогнозов, штормовых предупреждений и публичной безопасности нужно обращаться к локальному метеорологическому агентству или национальной погодной службе. Это правильная оговорка, и её нельзя прятать в мелкий шрифт.
Также не стоит делать вывод, что ИИ-подход полностью заменил физические модели. Судя по описанию и paper, новая система использует наблюдения, исторический анализ, спутниковые данные и обучается на разных источниках. В реальном прогнозировании ценность обычно даёт не один магический алгоритм, а хорошо собранный контур данных, моделей, калибровок и проверок.
Для прикладных команд здесь самый здоровый вывод такой: WeatherNext 3 можно тестировать как новый источник погодной информации, особенно если нужна детализация, частое обновление и облачный доступ. Но перед автоматическими решениями нужна своя валидация на конкретной географии, сезоне и бизнес-метрике.
Источник
Официальная публикация Google: Introducing WeatherNext 3, our most advanced and accurate global weather AI model. Дополнительно: датасет WeatherNext 3 в Google Earth Engine и paper WeatherNext 3 на arXiv.