WeatherNext 3: прогноза на всеки час с 5 км резолюция

Google DeepMind обяви на 3 септември WeatherNext 3 — новото поколение на своя модел за прогноза на времето. Той се преизчислява на всеки кръгъл час, дава ключови приземни величини с резолюция до 5 километра и вече захранва прогнозите в Google Търсене, приложението Gemini и Google Maps. Съобщението е в официалния блог на компанията.

Какво се променя спрямо WeatherNext 2

Предишният модел работеше върху мрежа от 25 км и на стъпки от шест часа. WeatherNext 3 сваля решетката до 0,05° (около 5 км) за температура и влажност на 2 метра, до 0,1° (10 км) за останалите приземни величини и запазва 0,25° (25 км) за атмосферните полета по височина — 13 барични нива. Google описва резултата като картина, която е около пет пъти по-детайлна от досегашната.

Втората голяма промяна е темпото. Моделът се инициализира 24 пъти в денонощието — по един път на час. Хоризонтът е 15 дни при основните шестчасови синоптични цикли и 48 часа при междинните почасови пускания.

Под капака стои така наречената Functional Generative Network — mesh transformer, който този път е чувствително по-голям: латентният размер расте от 768 на 1024, а дълбочината — от 24 на 32 слоя. Общо около 2,4 пъти повече параметри от предшественика. Изходът е ансамбъл от 64 члена, тоест 64 паралелни сценария, от които се вадят вероятностите.

Сателитите влизат директно в модела

Най-интересната част е откъде идват данните. Класическите числени модели чакат цикъла на асимилация и работят с картина на атмосферата, която често изостава с около шест часа. WeatherNext 3 поглъща мозайка от живи геостационарни сателитни наблюдения като директен вход — Google твърди, че е първият AI модел за глобална прогноза с висока резолюция, който прави това.

Практическата разлика се вижда при бързо развиващи се системи: гръмотевична клетка, която се образува следобед, не чака следващия шестчасов цикъл, за да влезе в прогнозата. Отделно моделът е трениран и върху разредени наблюдения от метеорологични станции, което вдига локалната точност там, където има наземни измервания.

Снимка: Google DeepMind

Числата за точността

Google дава сравненията в CRPS — стандартната мярка за качество на вероятностна прогноза (по-ниско е по-добре):

• Валежи: до 60% подобрение спрямо WeatherNext 2 при сверка със сателитния продукт IMERG на NASA, до 30% спрямо радарния MRMS и около 10% спрямо данни от дъждомери за близките срокове.
• Температура: до 30% подобрение спрямо WeatherNext 2 и до 40% спрямо ансамбъла ENS на Европейския център за средносрочни прогнози (ECMWF) при кратки срокове.
• Горна атмосфера: средно около 10% пред AIFS ENS v2 на ECMWF през първата прогнозна седмица.
• Тропични циклони: малки, но последователни подобрения в грешката на траекторията и интензитета спрямо WeatherNext 2.

В независимата класация Operational WeatherBench моделът излиза пред оперативните прогнози на американската NWS и на ECMWF, както и пред AI моделите на Microsoft, Nvidia и самия ECMWF.

Заслужава уговорка: това са резултати по конкретни метрики и конкретни срокове, а не универсално „по-добро време“. AI моделите остават слаби при екстремуми извън тренировъчното разпределение и не заместват физичните модели — стъпват върху техните реанализи.

Къде можете да го ползвате

За потребителите WeatherNext 3 вече върви под капака на Google Търсене, Gemini и Google Maps. За разработчици е достъпен през Google Maps Platform Weather API, Google Earth Engine и BigQuery, а масивните сваляния — през Google Cloud Storage. Има и исторически данни за бектестове от 2026 г., с текущо попълване назад към 2024–2025 г.

Отделна нова функционалност е насочена към енергетиката: скорост на вятъра на 100 метра височина за турбини и прогноза за облачност и слънчева радиация за фотоволтаични паркове. Ferran Alet от DeepMind обяснява подхода така — машинното обучение атакува точно този проблем, който реално решаваме: приблизителна и шумна физика при непълна информация и краен изчислителен ресурс.

Контекст

Прогнозата на времето стана един от най-убедителните полигони за приложен AI — резултатът се проверява всеки ден и всеки може да го усети. За България ефектът е косвен, но реален: 5-километровата решетка улавя по-добре релефа, а точно там глобалните модели с 25 км стъпка традиционно бъркат.

В по-широката картина Google трупа климатични и наблюдателни продукти успоредно с новите специализирани варианти на Gemini, докато Европа залага на нови сателити — тази есен Vega-C качва Sentinel-3C и FLEX. Двете линии се допълват: колкото повече живи наблюдения има в орбита, толкова по-добър вход получават моделите като WeatherNext 3.