Googles WeatherNext 2 får en full dag med cyklonvarsel, går åpen kilde

Google har publisert en fagfellevurdert resultat for sin WeatherNext AI-værmodell, som hevder å ha en presisjon som er på toppnivå i forhold til å forutsi tropiske cykloner og en ledelsestid som selskapet beskriver som omtrent ett tiår med meteorologisk fremgang komprimert i ett enkelt system. Artikkelen ble publisert i Nature den 6. august 2026, og Google åpner kildekoden for modellene sammen med det.

Hovedtallene er ledelsestid. For cykloner fra 2023 til 2025 har WeatherNexts spor, intensitet og vindstrukturforutsigelser en gjennomsnittlig ledelsestid på en dag eller mer sammenlignet med ledende operative modeller — det betyr at dens tre-dagers forutsigelse matcher hva tidligere systemer leverte på to dager. I cyklonforutsigelse, hvor evakuering og stagingsbeslutninger avhenger av timer, er dette marginen som teller.

Arbeidet var et samarbeid mellom Google DeepMind og Google Research-forskere og operative varslingsfolk ved National Hurricane Center, Cooperative Institute for Research in the Atmosphere og UK Met Office, hvorav flere er medforfattere på artikkelen.

Hva Nature-papiret rapporterer

Artikkelen introduserer WeatherNext Cyclones, en AI-modell som produserer ensembleforutsigelser for en tropisk cyklons spor, intensitet og størrelse opp til 15 dager frem. Vurdert mot ledende operative systemer på stormer fra 2023–2025, fikk den en gjennomsnittlig ledelsestid på 24 timer eller mer på alle tre målinger: en forbedring som forfatterne beskriver som sammenlignbar med ett tiår med operativ fremgang.

Treningsdataene kombinerer global atmosfærisk analyse med IBTrACS-databasen over nesten 5 000 historiske stormer. Modellen bruker Funksjonelle Generative Netwerker for å produsere sannsynlighetsfordelinger i stedet for enkeltpeksforutsigelser, og den skalerer til 1 000-medlemmens ensembler (tyve ganger de 50-medlemmens løp i det forrige systemet), som bedre fanger sjeldne, men høykonsekvens-hendelser som rask intensivering.

En funn står ut for hva den utfordrer. Høy romlig oppløsning har lenge vært betraktet som prisen for nøyaktige intensitetsforutsigelser. WeatherNext Cyclones kjører på 28-ganger-28-kilometer-inndata, omtrent 100 ganger grovere enn tradisjonelle regionale modeller, og en kompakt variant, WeatherNext 2-mini, opererer på 111-ganger-111-kilometer og fungerer likevel godt. Artikkelen fastslår at høy oppløsning ikke er en streng forutsetning for toppnivå-intensitetsforutsigelse, og forskerne bemerker at de ennå ikke fullt ut forstår hvordan modellen trekker ut intensitetssignal fra grovere data. De markerer det som et åpent forskningsspørsmål for samfunnet nå som vektene er offentlige.

Allerede testet i en operativ sesong

Vurderingen er ikke ren retrospektiv. Under 2025 Atlantiske orkansesongen kjørte modellen sammen med National Hurricane Centers operative arbeidsflyt og hjelper varslingsfolkene forutsi orkanens rask intensivering og landfall i Jamaica langt nok i forveien til å støtte en tidlig advarsel. NHCs 2025-verifiseringsrapport dokumenterer sesongens forutsigelsesresultat. I år genererer systemet 1 000 mulige scenarier per cyklon for å støtte varslingsfolkenes beslutninger.

Tropiske cykloner har forårsaket over 700 000 dødsfall og 1,4 billioner dollar i økonomiske tap over de siste 50 årene, ifølge tall som er sitert i DeepMind-innlegget. Kostnaden av forutsigelsesfeil måles i begge.

Hva Google slipper

Den åpne kildekoden dekker tre modellvarianter: WeatherNext Cyclones, den versjonen som kjørte under orkansesongen og hvis resultater vises i artikkelen; WeatherNext 2, den senere oppdateringen Google operationaliserte i oktober 2025; og WeatherNext 2-mini, den kompakte versjonen som kjører på en enkelt TPU i en gratis Colab-notebok. Kode og vekter for alle tre er tilgjengelige på GitHub.

Forutsigelser er også utforskbar på Weather Lab, som Google har utvidet fra cyklonsporings- til fullt globale forutsigelser som dekker temperatur, nedbør og vindhastighet. Begge modellene og Weather Lab sitter innenfor Google Earth AI. En enkelt 15-dagers forutsigelse tar under ett minutt på en enkelt TPU. Begrensningen på adopsjon er nå ekspertise og integrasjon, ikke beregning.