Google DeepMind el 3 de septiembre de 2026 desveló el tiempoSiguiente 3, su modelo de clima AI más preciso hasta la fecha – y, dice la empresa, el primero en generar un pronóstico para cada hora del día.
Solución de forma rápida, actualizaciones por hora
El tiempoSiguiente 3 ofrece temperatura y humedad en una rejilla de 5 kilómetros, otras variables superficiales a 10 kilómetros y campos atmosféricos como la velocidad del viento a 25 kilómetros. Eso es aproximadamente cinco veces más fino que su tiempo predecesorSiguiente 2, que utilizó una red uniforme de 25 kilómetros por todas partes. En lugar de correr sólo cada seis horas como modelos clásicos, el sistema se refresca cada hora.
Aprender directamente de los datos de satélite
Técnicamente, DeepMind se basa en una llamada Red Generativa Funcional, un transformador de malla que ingiere datos geoestacionarios de satélite junto con el análisis histórico. Debido a que el modelo aprende directamente de las observaciones crudas en lugar de la salida de modelos de clima numérico, elimina un retraso de seis horas. Para la precipitación, Google cita una Probabilidad Rankeada continua Mejora de puntuación de hasta 60 por ciento contra el conjunto de datos de referencia IMERG; para la planificación de mediano alcance un día o más adelante, reclama pronósticos de precipitaciones hasta 50 por ciento más preciso.
Valor para redes de energía y uso cotidiano
Of particular interest to grid operators and renewable-energy developers: WeatherNext 3 predicts wind speeds at 100 metres – rugly turbine hub height – as well as cloud cover and solar radiation, helping estimate output from wind and solar assets. Las previsiones ya alimentan Google Search, la aplicación Gemini y Google Maps; investigadores y desarrolladores pueden acceder a los datos a través de Earth Engine, BigQuery y Google Cloud Storage.
Fuentes: blog.google · deepmind.google · qz.com
