WeatherNext 3 actualiza cada hora: el salto está en incorporar satélites
Google DeepMind y Google Research presentaron WeatherNext 3 el 3 de septiembre de 2026. El anuncio de Google detalla que el modelo usa mosaicos horarios de satélites geoestacionarios para generar una nueva previsión cada hora, ofrece hasta cinco kilómetros de resolución para determinadas variables superficiales y comenzó a incorporarse a Search, Gemini, Maps, Google Maps Platform y servicios de Cloud.
La versión presentada ese día no prescinde de la meteorología convencional: combina las observaciones satelitales recientes con análisis atmosféricos tradicionales y datos de estaciones. El cambio consiste en acortar la espera para iniciar otra previsión y aumentar el detalle de algunas salidas, no en crear un sistema autónomo respecto de los servicios meteorológicos nacionales.
WeatherNext 3 reduce el intervalo y reparte la resolución
La comparación con WeatherNext 2 tiene dos dimensiones distintas. El modelo anterior producía previsiones sobre una cuadrícula de 25 kilómetros en incrementos de seis horas; WeatherNext 3 puede arrancar otra ejecución cada hora y emplea cuadrículas diferentes según la variable: cinco kilómetros para algunas magnitudes próximas a la superficie, diez para otras variables superficiales y 25 para campos atmosféricos como el viento.
Actualizar con mayor frecuencia permite que el punto de partida incorpore antes cambios visibles en nubes, frentes y sistemas de precipitación. Eso puede ser relevante cuando la atmósfera evoluciona dentro de las seis horas que separaban dos ciclos anteriores, pero no significa que el modelo observe continuamente el futuro ni que acierte cada cambio repentino.
La frecuencia tampoco debe confundirse con el horizonte del pronóstico. Cada ejecución sigue proyectando una evolución probable a medio plazo; la mejora es que puede comenzar desde una representación más reciente de la atmósfera. En términos operativos, hay menos tiempo entre el mosaico satelital disponible y el siguiente cálculo global.
Los satélites entran al inicio, no sustituyen todas las observaciones
El artículo técnico de WeatherNext 3 describe un modelo que ingiere datos geoestacionarios de baja latencia junto con análisis tradicionales y genera campos meteorológicos, estimaciones de precipitación derivadas de satélites, trayectorias de ciclones y predicciones asociadas a estaciones. La arquitectura reúne esas tareas en una Functional Generative Network basada en un transformer de malla.
El satélite aporta una cobertura amplia y frecuente de propiedades observables desde el espacio, especialmente útil para seguir la evolución de las nubes. Sin embargo, no mide con la misma precisión todas las variables ni todos los niveles de la atmósfera. Los análisis elaborados a partir de múltiples redes de observación continúan aportando el estado atmosférico que el sistema necesita para entrenarse e inicializarse.
Las predicciones vinculadas a estaciones cumplen otra función: aproximar la salida a lo que se mediría en una ubicación concreta, teniendo en cuenta características geográficas locales. No convierten una estación virtual en una observación real; son resultados del modelo que pueden compararse posteriormente con mediciones registradas.
Cinco kilómetros significan más detalle, no precisión calle por calle
La cifra de cinco kilómetros indica el espaciado de la cuadrícula para variables concretas, como temperatura y humedad próximas a la superficie. Frente a una celda de 25 kilómetros, una malla más fina puede conservar mejor los contrastes entre costa e interior, distintas elevaciones o lados opuestos de un valle. No garantiza que cualquier fenómeno de ese tamaño quede resuelto correctamente.
Tampoco toda la previsión adquiere esa nitidez. Algunas variables superficiales se calculan a diez kilómetros y determinados campos atmosféricos permanecen en 25. En precipitación, la comparación visual divulgada para WeatherNext 3 utiliza una salida cercana a once kilómetros, por lo que sería incorrecto presentar cada mapa de lluvia como una predicción nativa de cinco kilómetros.
Para los ciclones, el avance no consiste simplemente en dibujar más celdas: el sistema produce trayectorias como una salida diferenciada. En energía, incorpora variables como el viento a la altura aproximada de una turbina, la cobertura nubosa y la radiación solar. Esos campos pueden alimentar estimaciones de generación, aunque el rendimiento de una instalación sigue dependiendo de su emplazamiento, sus equipos y sus mediciones locales.
Brightband respalda el rendimiento, pero no una superioridad universal
La cobertura de TechCrunch recoge que WeatherNext 3 encabezaba Operational WeatherBench, la evaluación en vivo de Brightband, frente a varios modelos de IA y pronósticos convencionales en métricas de temperatura, velocidad del viento y humedad. También documenta que WindBorne cuestiona la primacía reclamada para el uso directo de observaciones: sostiene que WeatherMesh 6 ya incorporaba datos sin procesar desde finales de 2025.
Una clasificación en vivo tiene valor porque compara predicciones emitidas antes de conocer las observaciones posteriores. Aun así, el liderazgo en ese banco de pruebas no demuestra que un modelo sea el mejor para todos los países, estaciones, horizontes o fenómenos extremos. La conclusión verificable está limitada a las variables, competidores y periodos incluidos en la evaluación.
La disputa sobre cuál fue el primero tampoco altera la limitación más importante: tanto WeatherNext 3 como WeatherMesh 6 siguen utilizando conjuntos producidos por organismos meteorológicos nacionales. Incorporar una fuente de observaciones sin procesar es un paso hacia una cadena más directa, pero no resuelve por completo la asimilación autónoma de todos los datos necesarios.
El despliegue es global, pero los avisos oficiales siguen fuera del modelo
WeatherNext 3 comenzó a alimentar experiencias meteorológicas en productos de Google y sus previsiones globales actualizadas cada hora pueden consultarse o descargarse mediante BigQuery, Earth Engine y Cloud Storage. “Comenzó a alimentar” no implica que todas las variables, superficies o usuarios reciban simultáneamente el mismo resultado en cada producto.
El estado confirmado es, por tanto, un modelo global con inicializaciones horarias, mayor detalle para ciertas variables y salidas especializadas para lluvia, ciclones, estaciones y energía. Todavía faltan evaluaciones prolongadas que permitan comparar su comportamiento entre regiones, estaciones del año y episodios extremos.
WeatherNext 3 tampoco sustituye la autoridad de las agencias meteorológicas: las alertas de tiempo severo, los pronósticos oficiales y las instrucciones de seguridad deben seguir consultándose en el servicio nacional o local correspondiente. Su novedad está en acercar observaciones satelitales recientes al inicio de cada previsión sin romper aún la dependencia de la infraestructura meteorológica que sostiene y verifica esos cálculos.
Lee también:
Suscríbete a nuestro boletín
Reciba las últimas noticias sobre Web3, IA y criptomonedas directamente en su bandeja de entrada.