WeatherNext 3每小时重算天气：分辨率细到5公里

Google DeepMind与Google Research于2026年9月3日发布WeatherNext 3，并开始将其用于Google搜索、Gemini应用、Google地图、Google Maps Platform Weather API和Google Earth Engine。Google的发布说明 确认，新模型结合低延迟地球同步卫星观测，每小时启动一轮全球预报，部分近地面变量的最细空间尺度约为5公里。

这次升级的重点不是把同一份结果改成逐小时显示，而是让模型在传统六小时分析周期之间吸收较新的卫星信息。需要同时看到两项边界：5公里只适用于特定近地面输出，其他变量仍采用约10公里或25公里尺度；直接使用观测数据也不意味着模型已经脱离国家气象机构和数值预报系统提供的分析资料。

每小时启动新预报，但预报时效并不完全相同

WeatherNext 3接收按小时形成的全球地球同步卫星拼接数据，用最新可用的云层和水汽信息更新模型状态。传统全球分析通常在00、06、12和18时等固定周期形成，卫星输入让模型可以在这些节点之间重新初始化，缩短快速变化天气进入下一轮计算的等待时间。

WeatherNext 3技术论文 于2026年9月3日提交，确认模型以低延迟卫星数据支持每小时初始化，并提供逐小时预报步长；论文同时说明，它仍把实时观测与传统分析数据结合，而不是只靠卫星图像独立预测。模型可生成最长15天的中期集合预报，但公开数据产品中，四个主要六小时初始化批次覆盖完整15天，其余小时批次主要提供未来48小时结果。

因此，标题中的“每小时重算”指每小时能够启动一轮新预测，并不意味着每轮都有相同的预报长度，也不表示所有产品入口会在同一时刻完成更新。它真正改善的是预报起点的新鲜度，尤其适合捕捉在六小时窗口内迅速形成或移动的降水系统和锋面。

5公里只属于部分近地面变量

WeatherNext 3采用分层空间分辨率，而不是一张统一的5公里网格。约5公里的输出主要对应经过气象站观测训练的2米气温和露点等近地面变量；云量、太阳辐射、降水和其他单层地表网格变量通常为0.1度，约合10至11公里；多层大气变量主要保持在0.25度、约25公里尺度。

Google把新模型描述为整体上比WeatherNext 2细约五倍，依据是上一代典型25公里网格与新一代最细5公里输出之间的对比。这一说法适合概括最高分辨率的提升，却不能解释为每一种天气要素都缩小到原网格的五分之一：大气层风场等变量仍在约25公里尺度上计算。

5公里近地面结果还利用地形、海拔和陆海分布等地理条件，可表现海岸、山谷和山区之间更细的温度差异。空间网格变细并不等于已经解析到单个雷暴或街区尺度；例如官方展示的降水结果约为11公里，不能与5公里气温输出混为一谈。

准确性领先有依据，但不是所有天气都更准

发布时的独立实时评估为“更准确”提供了外部证据，但结论必须限定在榜单覆盖的模型、变量和时间窗口内。TechCrunch对Operational WeatherBench的核查 显示，WeatherNext 3当时在温度、风速和湿度等指标的受测领先模型中排名第一，并超过榜单内部分AI模型和传统业务预报。

这类实时榜单会随新预报和新模型持续变化，不能证明WeatherNext 3在每个地区、季节、预报时效和极端天气类型上都领先。Google团队还报告，在较早预报时段，以连续排名概率评分衡量的降水结果相对基线在NASA IMERG数据上最高改善60%，在美国MRMS数据上最高改善30%，对雨量计观测最高改善10%；三组数字来自不同验证资料，不能相加，也不是降雨命中率的统一提升幅度。

更频繁初始化本身也带来了可分离的收益。论文将逐小时初始化与同一模型每六小时初始化的配置比较后发现，短时降水预报大致获得两至三小时的有效提前量；这一结果支持实时卫星输入对早期时效有帮助，但不能外推为全部中期变量都获得同等增益。

搜索、地图和云端开始接入，入口能力并不一致

消费级用户将主要在Google搜索、Gemini和Google地图的天气体验中间接接触WeatherNext 3。这里的状态是自发布日起开始接入，而不是所有地区、账户和界面已经同步替换完成；对中国大陆用户而言，实际可见范围还取决于相关Google产品在当地的可访问性及分阶段上线状态。

研究人员和开发者可通过BigQuery、Earth Engine及Google Cloud Storage取得不同形式的数据。Earth Engine提供约10公里的地表网格集合，以及面向2米气温和露点的约5公里气象站输出；完整的64成员集合和三维大气压力层数据则通过云存储提供。不同渠道在变量、集合成员、预报长度和访问审批方面并不相同。

产品覆盖还扩展到100米高度风速、云量和地表太阳辐射等能源相关变量，用于支持风电与光伏产出估算。模型也提供热带气旋路径、降水和气象站坐标预测，但Google仍要求正式天气预报、恶劣天气警报和公共安全建议以当地气象机构或国家气象部门的信息为准。

直接吸收观测仍没有切断传统资料链

WeatherNext 3相对上一代的重要变化，是不再只从经过数值天气预报系统处理的分析场学习和初始化。它直接使用地球同步卫星拼接数据，并针对气象站观测、卫星降水估计和热带气旋记录训练专门输出，从而减少完全模仿分析场时可能继承的滞后和偏差。

但系统仍同时输入传统历史分析资料，训练和验证链条也依赖气象站、公共卫星计划、雷达及国家和国际业务中心整理的数据。卫星观测补足了相邻分析周期之间的信息，并没有替代支撑全球预报的公共观测网络、资料质量控制和数值分析体系。

“首次直接吸收原始观测”的表述同样需要限定范围。Google强调的是用于高分辨率全球预报的配置；WindBorne则表示WeatherMesh 6自2025年末已使用其气象气球和其他原始观测。两者的全球与区域分辨率、观测来源和运行方式并不相同，但这一先例说明，WeatherNext 3不能被笼统称为整个AI气象领域首个使用原始观测的模型。

目前可以确认的是，WeatherNext 3已发布并开始进入Google产品，小时级初始化以及5、10、25公里的分层输出均有公开技术材料支持。尚待长期数据回答的问题，是它在亚太台风、季风强降水及不同季节中的实时领先能否保持，以及未来版本能否进一步减少对传统分析场的依赖。