Googles WeatherNext 2 får en hel dags varning för cykloner och släpps som öppen källkod

Google har publicerat en granskad artikel om sitt vädermodell WeatherNext AI, som hävdar att det har den senaste tekniken för att förutsäga tropiska cykloner och en ledtid på ungefär ett decenniums meteorologisk framsteg komprimerat i ett enda system. Artikeln publicerades i Nature den 6 augusti 2026, och Google släpper modellerna som öppen källkod tillsammans med den.

Den viktigaste siffran är ledtiden. För cykloner från 2023 till 2025 har WeatherNexts spårnings-, intensitets- och vindstrukturförutsägelser i genomsnitt en dag eller mer försprång jämfört med ledande operativa modeller – vilket innebär att dess tre dagars prognos matchar vad tidigare system levererade vid två dagar. När det gäller cyklonprognoser, där evakuering och förberedelser fattas på basis av timmar, är detta marginalen som har betydelse.

Arbetet var ett samarbete mellan Google DeepMind och Google Research-forskare och operativa prognosmakare vid National Hurricane Center, Cooperative Institute for Research in the Atmosphere och UK Met Office, varav flera är medförfattare till artikeln.

Vad Nature-artikeln rapporterar

Artikeln introducerar WeatherNext Cykloner, en AI-modell som producerar ensembleprognoser för en tropisk cyklons bana, intensitet och storlek upp till 15 dagar framåt. Utvärderad mot ledande operativa system för stormar från 2023-2025, fick den i genomsnitt 24 timmar eller mer av prediktiv ledtid för alla tre måtten: en förbättring som författarna beskriver som jämförbar med ett decenniums operativ framsteg.

Träningsdata kombinerade global atmosfärisk analys med IBTrACS-databasen med nästan 5 000 historiska stormar. Modellen använder funktionella generativa nätverk för att producera sannolikhetsfördelningar snarare än enskilda förutsägelser, och den skalar till 1 000-medlemmens ensembler (tjugo gånger de 50-medlemmars körningar som det tidigare systemet hade), vilket bättre fångar sällsynta men högkonsekvenshändelser som snabb intensifiering.

En upptäckt sticker ut för vad den utmanar. Hög rumslig upplösning har länge ansetts vara priset för precisa intensitetsprognoser. WeatherNext Cykloner körs på 28×28-kilometerindata, ungefär 100 gånger grövre än traditionella regionala modeller, och en komprimerad variant, WeatherNext 2-mini, fungerar vid 111×111 kilometer och presterar fortfarande bra. Artikeln påstår att hög upplösning inte är ett strikt krav för toppmoderna intensitetsprognoser, och forskarna noterar att de ännu inte fullständigt förstår hur modellen extraherar intensitetssignal från grovare data. De flaggar det som en öppen forskningsfråga för samhället nu när vikterna är offentliga.

Redan testad under en operativ säsong

Utvärderingen är inte enbart retrospektiv. Under den atlantiska orkansäsongen 2025 körde modellen bredvid National Hurricane Centers operativa arbetsflöde och hjälpte prognosmakare att förutse orkanen Melissas snabba intensifiering och landfall i Jamaica tillräckligt långt i förväg för att stödja en tidig varning. NHC:s verifieringsrapport för 2025 dokumenterar säsongens prognosprestanda. I år genererar systemet 1 000 möjliga scenarier per cyklon för att stödja prognosmakarnas beslutsfattande.

Tropiska cykloner har orsakat över 700 000 dödsfall och 1,4 biljoner dollar i ekonomiska förluster under de senaste 50 åren, enligt siffror som citeras i DeepMind-inlägget. Kostnaden för prognosfel mäts i båda.

Vad Google släpper

Den öppna källkodsreleasen omfattar tre modellvarianter: WeatherNext Cykloner, den version som körde under orkansäsongen och vars resultat visas i artikeln; WeatherNext 2, den senare uppdatering som Google operationaliserade i oktober 2025; och WeatherNext 2-mini, den kompakta versionen som körs på en enda TPU i en gratis Colab-anteckningsbok. Koden och vikterna för alla tre är tillgängliga på GitHub.

Prognoser är också utforskbara på Weather Lab, som Google har utvidgat från cyklonspårning till fullständiga globala prognoser som täcker temperatur, nederbörd och vindhastighet. Både modellerna och Weather Lab ligger inom Google Earth AI. En enda 15-dagarsprognos tar under en minut på en TPU. Begränsningen för antagande är nu expertis och integration, inte beräkning.

Källor från originalartikeln: github.com [1] · deepmind.google [2]