DeepMind publicó un artículo en Nature el 6 de agosto de 2026, mostrando que WeatherNext Cyclones (WN-C) ofrece más de un día completo de ventaja de tiempo de anticipación sobre los principales modelos operacionales en trayectoria, intensidad y estructura del viento. Los pronósticos de tres días coinciden con lo que los sistemas anteriores entregaban en dos días. La empresa está poniendo a disposición los pesos del modelo como código abierto junto con la publicación.

WN-C es un modelo único de extremo a extremo. La mayoría de los sistemas operacionales dividen la tarea: los modelos de baja resolución global manejan la trayectoria, los modelos de alta resolución regional manejan la intensidad. La división existe porque la intensidad depende de la física turbulenta de pequeña escala cerca del núcleo de un ciclón — física que los modelos globales gruesos históricamente perdían. WN-C fusiona ambas tareas en un modelo entrenado con 20 terabytes de datos atmosféricos globales combinados con el archivo IBTrACS de casi 5.000 tormentas históricas. La señal de co-entrenamiento del IBTrACS enseña al modelo cómo se ve el comportamiento extremo de los ciclones en escalas donde los datos atmosféricos globales por sí solos son ambiguos.

WN-C opera en 28×28 km — 100 veces más grueso que los modelos regionales tradicionales — y aún logra puntuaciones de intensidad de última generación evaluadas en ciclones de 2023–2025. Los modelos regionales tradicionales funcionan en cuadrículas de sub-kilómetro a kilómetros de un solo dígito. Una variante compacta, WeatherNext 2-mini, funciona en 111×111 km en un único TPU en un notebook Colab gratuito. Los investigadores señalan cómo WN-C extrae la señal de intensidad de entradas gruesas como una pregunta abierta ahora que los pesos son públicos.

El modelo genera conjuntos de 1.000 miembros por ciclón, arriba de los 50 miembros de la temporada anterior, utilizando Redes Generativas Funcionales que inyectan ruido estructurado directamente en la arquitectura para mantener cada escenario físicamente consistente. Un pronóstico de 1.000 miembros para 15 días se ejecuta en menos de un minuto en un único TPU. Los pronosticadores pueden exponer riesgos extremos como intensificación rápida sin esperar a una cola de supercomputadora.

La temporada de huracanes del Atlántico de 2025 sirvió como evaluación en vivo. WN-C se ejecutó junto al flujo de trabajo operacional del National Hurricane Center y predijo la intensificación rápida del Hurricane Melissa y el impacto en Jamaica con suficiente anticipación para que el NHC emitiera una advertencia temprana que la agencia describió como histórica. La Dra. Kate Musgrave, Investigadora Científica de CIRA, encontró que mostró una habilidad comparable o mayor que los mejores modelos operacionales para trayectoria e intensidad. Los socios incluyeron CIRA, UK Met Office, Universidad de Tokio y Weathernews Inc. de Japón.

La versión de código abierto cubre tres variantes: WeatherNext Cyclones (la versión que se ejecutó durante la temporada de huracanes de 2025), WeatherNext 2 (operacionalizado en octubre de 2025, superando la versión anterior en el 99,9% de las variables de 0–15 días, generando pronósticos 8× más rápido), y WeatherNext 2-mini. El código y los pesos están en GitHub. Los datos de pronóstico de WeatherNext 2 están disponibles en Earth Engine y BigQuery; Vertex AI ofrece un endpoint de inferencia de acceso temprano. Los ciclones tropicales han causado más de 700.000 muertes y $1,4 billones en pérdidas económicas a nivel mundial en los últimos 50 años.

Para arquitectos que construyen canalizaciones dependientes del clima en energía, logística, cadena de suministro o agricultura: inferencia de conjunto sub-minuto en un único TPU, pesos abiertos y datos de pronóstico accesibles a través de BigQuery significa que WN-C es integrable hoy.