Google DeepMind publica los pesos de WeatherNext para el pronóstico localizado de ciclones

Why it matters

Open weights let weather agencies and researchers adapt Google's forecasting models locally, while a lighter checkpoint broadens testing. Weather-data access and the models' experimental status still limit operational use.

Google DeepMind (@GoogleDeepMind) publicó el código y los pesos del modelo de WeatherNext 2 and WeatherNext Cyclones el 6 de agosto de 2026, ofreciendo a investigadores y agencias meteorológicas una base que pueden ejecutar y adaptar para pronósticos especializados o localizados. La publicación sigue al uso operacional de un checkpoint de WeatherNext Cyclones durante la temporada de huracanes del Atlántico de 2025.

Google DeepMind en X

El trabajo lleva una autoría colectiva. El artículo y el repositorio describen el proyecto como obra de un equipo más amplio de Google DeepMind y Google Research, con investigadores de los equipos de Google, del National Hurricane Center, del Cooperative Institute for Research in the Atmosphere y del UK Met Office entre los colaboradores. El material disponible no asigna roles técnicos individuales.

La publicación abierta es la parte de mayor trascendencia del anuncio. WeatherNext ya había aparecido en productos de Google y en flujos de pronóstico públicos. Los investigadores ahora pueden inspeccionar la implementación, descargar los pesos, reproducir las evaluaciones publicadas sobre ciclones y adaptar los modelos para problemas de pronóstico regional. Eso brinda a los servicios meteorológicos nacionales y a grupos universitarios una vía para aprovechar el trabajo de Google sin esperar otra integración de producto.

El repositorio incluye varios checkpoints

El repositorio de WeatherNext contiene varios checkpoints en lugar de un único modelo descargable. Un checkpoint de WeatherNext Cyclones funcionó en vivo durante la temporada de huracanes del Atlántico de 2025. Checkpoints separados reproducen las evaluaciones de 2023 y 2024 del artículo, mientras que un checkpoint de WeatherNext 2 ofrece el sistema de pronóstico de mediano alcance más amplio.

El repositorio incluye checkpoints separados de WeatherNext 2 y WeatherNext Cyclones. Google describe el código y los pesos como disponibles libremente para trabajo académico, pronóstico operacional y el desarrollo de modelos especializados o localizados.

Reproducir una ejecución completa de entrenamiento requiere datos meteorológicos ERA5 y HRES operacionales, según la documentación del repositorio. Esos conjuntos de datos tienen sus propios requisitos de acceso y términos, lo que crea una restricción adicional para los grupos que buscan reentrenar los modelos en lugar de usar los checkpoints publicados.

La publicación también incluye una versión más ligera para un único acelerador para investigadores con cómputo limitado. Google no divulga el costo computacional completo de los modelos, la velocidad de inferencia ni el consumo energético, dejando a las agencias y laboratorios la evaluación de si pueden operar los checkpoints mayores a escala útil.

Pronosticar la tormenta y su incertidumbre

WeatherNext Cyclones predice la trayectoria de una tormenta, su intensidad y la estructura del viento a partir de las condiciones atmosféricas globales, generando pronósticos de hasta 15 días. Google DeepMind afirma que el sistema puede generar 1,000 escenarios posibles para cada ciclón, que los pronosticadores pueden convertir en mapas de probabilidad para vientos de fuerza de tormenta tropical y huracán.

Los grandes ensambles importan porque un único pronóstico oculta la incertidumbre en torno a resultados peligrosos y de baja frecuencia. Un escenario puede mostrar una tormenta debilitándose mar adentro, mientras que un grupo más pequeño puede mostrar una intensificación rápida antes del impacto en tierra. Proveer a los pronosticadores humanos una distribución más amplia les ayuda a evaluar esos riesgos de cola en lugar de tratar una corrida del modelo como una respuesta definitiva.

Según el anuncio de investigación del 6 de agosto de Google DeepMind, WeatherNext Cyclones fue entrenado de extremo a extremo con casi 20 terabytes de información atmosférica y la base de datos IBTrACS de casi 5,000 ciclones históricos. El sistema combina la dinámica meteorológica global con registros de ciclones curados por expertos, abordando un antiguo intercambio en el pronóstico entre modelos que capturan grandes corrientes atmosféricas y sistemas regionales especializados que resuelven los procesos alrededor del núcleo de un ciclón.

Google evaluó el sistema en ciclones históricos de 2023 y 2024 en su estudio inicial, mientras que más tarde los gráficos de desempeño que acompañan su relato sobre el Huracán Melissa incluyen datos de 2025. El artículo en Nature reporta una ventaja media en el tiempo de anticipación de al menos un día para los pronósticos de trayectoria, intensidad y radio de vientos frente a los sistemas operacionales líderes. Su pronóstico a tres días alcanzó aproximadamente la precisión que modelos anteriores entregaban a dos días. La evaluación fue realizada por investigadores que ayudaron a construir el sistema, y el artículo incluye como coautores a pronosticadores del NHC, CIRA y del UK Met Office.

La estrategia de Google de modelo abierto y servicio alojado

WeatherNext entró en pruebas operacionales antes de que se liberaran los pesos. Google DeepMind dice que el sistema apoyó al NHC durante el Huracán Melissa en octubre de 2025, pronosticando una intensificación rápida y un impacto en tierra de Categoría 5 en Jamaica con cinco días de anticipación. El relato del pronóstico de Google dice que WeatherNext asignó un 80% de probabilidad a ese desenlace cinco días antes del impacto en tierra, elevándose a casi 100% tres días antes. Las alertas oficiales siguieron emitidas por pronosticadores gubernamentales que usaron WeatherNext junto con modelos basados en física, observaciones satelitales y datos de aeronaves.

Los pesos abiertos extienden ese modelo de colaboración más allá de las agencias que ya trabajan directamente con Google. Un servicio de pronóstico podría ajustar el sistema para una costa determinada, un operador de energía renovable podría adaptarlo a condiciones eólicas regionales, y los investigadores podrían sondear dónde falla el modelo en extremos raros. Google DeepMind identifica explícitamente los modelos localizados y especializados como usos previstos de la publicación.

Google también conserva una vía de distribución alojada. Los feeds de pronóstico de WeatherNext están disponibles a través de Earth Engine y BigQuery, y Google ofrece inferencia de modelos personalizada a través de Vertex AI. Los usuarios pueden operar los modelos publicados por sí mismos o consumir las salidas gestionadas por Google, aunque cualquiera de las dos rutas requiere acceso al cómputo relevante y a los datos meteorológicos.

Google DeepMind etiqueta a WeatherNext como un proyecto de investigación experimental más que como un producto de Google con soporte oficial. El repositorio advierte a los usuarios que evalúen los riesgos de depender de pronósticos generados, y Google DeepMind dice que WeatherNext no reemplaza las alertas emitidas por las agencias meteorológicas nacionales. Los investigadores ahora tienen acceso al sistema de pronóstico, mientras que la responsabilidad de convertir probabilidades en avisos públicos permanece con los pronosticadores humanos.