WeatherNext 3: Google predice la lluvia con 60% más precisión y a 5 km de resolución
Google DeepMind presentó el 3 de septiembre de 2026 WeatherNext 3, su nuevo modelo de predicción meteorológica, y el número que importa es este: acierta un 60% mejor en la predicción de lluvia que la versión anterior. No es una mejora incremental de laboratorio. Es la diferencia entre saber que va a llover en el departamento y saber que va a llover en su vereda, dentro de la próxima hora.
Qué trae WeatherNext 3
El salto está en tres dimensiones a la vez. La resolución espacial pasa a 5 kilómetros, frente a los 15 a 25 kilómetros de los modelos anteriores. La resolución temporal pasa a pronósticos por hora, cuando antes se trabajaba en bloques de seis horas. Y el modelo tiene 2,4 veces más parámetros que su predecesor.
La novedad técnica más importante, sin embargo, no está en el tamaño. WeatherNext 3 es el primer modelo que incorpora observaciones brutas a escala global: en lugar de alimentarse solo de análisis ya procesados por centros meteorológicos, consume directamente los datos crudos de satélites y estaciones. Eso elimina un paso de intermediación que, históricamente, era también un cuello de botella de latencia.
En Operational WeatherBench, el banco de pruebas de referencia del sector, quedó como el modelo más preciso.
Dónde va a aparecer
Google no lo deja como un paper. El modelo se está integrando en Search, en Maps, en Gemini y en las plataformas de nube de la compañía. Es decir, la mayoría de la gente lo va a usar sin enterarse: el pronóstico que aparece al buscar «clima» simplemente será mejor.
Para desarrolladores, la disponibilidad en la nube es la parte relevante: significa que se puede consultar por API y construir encima.
Por qué WeatherNext 3 importa más en la región
Aquí es donde la noticia deja de ser tecnológica y se vuelve práctica.
América Latina es un continente de montañas. En Colombia, el clima no cambia por departamento: cambia por valle, por vertiente, por altura. Un modelo con celdas de 25 kilómetros mete en la misma casilla una ladera húmeda y un valle seco, y produce un pronóstico que no le sirve a nadie en concreto. Bajar a 5 kilómetros es, para la topografía andina, la diferencia entre un dato ilustrativo y un dato accionable.
Agricultura. Un caficultor en el Eje Cafetero o un floricultor en la Sabana de Bogotá toman decisiones de fumigación, riego y cosecha con ventanas de horas. Un pronóstico horario a 5 kilómetros cambia esas decisiones de forma directa, y ahí hay ahorro medible.
Gestión del riesgo. Los deslizamientos y las inundaciones son la principal causa de emergencia en la región, y dependen de la lluvia acumulada en zonas pequeñas. Los ciclos de La Niña le han costado a Colombia pérdidas de miles de millones. Una alerta temprana más precisa no evita el evento, pero sí cambia cuánta gente se evacúa a tiempo.
Logística urbana. Bogotá, Ciudad de México, São Paulo y Lima mueven flotas de reparto que se paralizan con un aguacero. Saber con una hora de anticipación dónde va a caer permite redistribuir rutas en vez de absorber el golpe.
La advertencia honesta
Un modelo global mejor no equivale automáticamente a mejores pronósticos locales. La precisión de WeatherNext 3 depende de la densidad de observaciones que recibe, y América Latina tiene menos estaciones meteorológicas por kilómetro cuadrado que Europa o Estados Unidos. El modelo mejora la región, pero la brecha de datos sigue ahí, y esa se cierra con inversión pública en instrumentación, no con inteligencia artificial.
Dicho eso, la asimetría juega a favor de la región esta vez: los países que menos infraestructura de modelado propio tienen son los que más ganan cuando un modelo global de este nivel se vuelve accesible por API. No hay que construir un centro nacional de supercómputo para consultarlo.
El pronóstico del tiempo fue durante décadas el ejemplo de lo que las computadoras no lograban hacer bien. WeatherNext 3 es la señal de que ese capítulo se está cerrando.
Sitios oficiales:
Google DeepMind ·
Gemini
Reportado por: Google DeepMind — Operational WeatherBench
Lee también:
