Jeden model stoi teraz za trzema codziennymi usługami
Google DeepMind zaprezentował WeatherNext 3 dnia 3 września 2026 roku i wdrożył go bezpośrednio w Google Search, aplikacji Gemini, Mapach Google, Maps Platform Weather API, Earth Engine oraz BigQuery. Model generuje nową globalną prognozę co godzinę zamiast co sześć godzin, pobierając na bieżąco dane satelitarne w miarę ich napływania, zamiast czekać na kolejne zaplanowane uruchomienie. Temperatura i wilgotność przy powierzchni są obliczane w siatce o rozdzielczości 5 kilometrów, inne zmienne powierzchniowe w rozdzielczości 10 kilometrów, a zmienne atmosferyczne, takie jak prędkość wiatru, w rozdzielczości 25 kilometrów - skok, który Google określa jako mniej więcej pięciokrotnie dokładniejszy niż w poprzedniku, WeatherNext 2.
We własnym wpisie Google twierdzi, że model dostarcza nawet o 50 procent trafniejsze prognozy opadów przy planowaniu z wyprzedzeniem co najmniej jednego dnia, przy czym największe postępy widać w regionach, gdzie prognozowanie historycznie było najsłabsze. Wpis wymienia też dwa konkretne zastosowania przemysłowe: szacowanie mocy turbin na podstawie prognoz prędkości wiatru na wysokości 100 metrów dla operatorów energii odnawialnej oraz prognozowanie zachmurzenia i nasłonecznienia dla farm fotowoltaicznych.
Jedna liczba jest niezależnie zweryfikowana, i to nie ta z materiału reklamowego
WeatherNext 3 nie jest oceniany wyłącznie przez samego siebie. Brightband, niezależna firma zajmująca się prognozowaniem pogody, prowadzi Operational WeatherBench, działający na bieżąco ranking, który nieprzerwanie ocenia operacyjne modele pogodowe oparte na sztucznej inteligencji oraz na fizyce, zestawiając je ze sobą w rzeczywistych warunkach. Według własnych danych Brightband, WeatherNext 3 miał najniższy błąd temperatury na wysokości 2 metrów w 26 z ostatnich 30 dni sierpnia 2026 roku, wyprzedzając zarówno IFS od ECMWF, jak i GFS od NOAA, dwa fizyczne modele referencyjne, na których meteorolodzy polegają od dziesięcioleci. To autentyczny wynik strony trzeciej, uzyskany przez podmiot niezwiązany z sukcesem Google, i zasługuje na traktowanie jako rzetelny dowód, a nie na odrzucenie razem z resztą.
Różnica pojawia się warstwę niżej. Ranking Brightband śledzi dokładność temperatury. Liczby, którymi Google faktycznie otwiera własne ogłoszenie, i te, których potrzebowałby operator energii odnawialnej lub rolnictwa, zanim powierzyłby modelowi realną decyzję, to porównania dokładności opadów: nawet o 60 procent lepsze wobec danych satelitarnych IMERG, 30 procent wobec danych radarowych MRMS oraz 10 procent wobec naziemnych deszczomierzy. Te trzy liczby nie pochodzą od Brightband. Pochodzą od Google DeepMind, który ocenia własny model względem zbiorów danych, które sam wybrał.
Zweryfikowana dokładność temperatury, zgłoszona samodzielnie dokładność opadów
| Twierdzenie | Kto to zmierzył |
|---|---|
| Najniższy błąd temperatury na wysokości 2 metrów, 26 z ostatnich 30 dni (sierpień 2026) | Brightband, niezależna strona trzecia |
| Nawet o 60 procent lepiej niż IMERG w zakresie opadów | Google DeepMind, zgłoszone samodzielnie |
| Nawet o 30 procent lepiej niż MRMS w zakresie opadów | Google DeepMind, zgłoszone samodzielnie |
Ten podział ma największe znaczenie dla dwóch zastosowań przemysłowych, które Google wymienia we własnym wpisie: szacowania mocy turbin na podstawie prognoz prędkości wiatru na wysokości 100 metrów oraz prognozowania zachmurzenia i nasłonecznienia dla farm fotowoltaicznych. Ani moc wiatrowa, ani nasłonecznienie nie są temperaturą. Miara, którą operator faktycznie potrzebowałby mieć niezależnie zweryfikowaną, czyli dokładność opadów i zachmurzenia, znajduje się po stronie zgłoszonej samodzielnie w tabeli, podczas gdy miara, która akurat jest niezależnie potwierdzona, czyli temperatura, nie jest tą, od której zależą te dwa zastosowania.
Nic z tego nie oznacza, że liczby dotyczące opadów są błędne. DeepMind ma mocne osiągnięcia w dziedzinie pogody, a własny ranking Brightband jest dowodem, że leżący u podstaw model jest naprawdę sprawny. Oznacza to, że operator farmy wiatrowej lub słonecznej, który dysponuje produkcją na podstawie tych danych, opiera się na połączeniu jednego wyniku poddanego audytowi i jednego wyniku zgłoszonego przez dostawcę, przedstawionych w tym samym ogłoszeniu bez żadnej wskazówki, który jest który.
Czytaj dalej: Test AI, Którego Żadna Strona Nie Widziała | Gemini 3.7 Flash: Pół ceny tylko do stycznia
