A DeepMind publicou um artigo na Nature em 6 de agosto de 2026, mostrando que WeatherNext Cyclones (WN-C) oferece mais de um dia inteiro de vantagem de tempo de antecedência sobre os principais modelos operacionais em trajetória, intensidade e estrutura de vento. Previsões de três dias correspondem ao que sistemas anteriores entregavam em dois dias. A empresa está disponibilizando os pesos do modelo como software de código aberto junto com a publicação.
WN-C é um modelo único de ponta a ponta. A maioria dos sistemas operacionais divide a tarefa: modelos de baixa resolução global lidam com trajetória, modelos de alta resolução regional lidam com intensidade. A divisão existe porque a intensidade depende de física turbulenta de pequena escala perto do núcleo de um ciclone — física que os modelos globais grosseiros historicamente perderam. WN-C mescla ambas as tarefas em um modelo treinado em 20 terabytes de dados atmosféricos globais combinados com o arquivo IBTrACS de quase 5.000 furacões históricos. O sinal de co-treinamento do IBTrACS ensina ao modelo como o comportamento extremo de ciclones se parece em escalas onde os dados atmosféricos globais sozinhos são ambíguos.
WN-C opera em 28×28 km — 100 vezes mais grosseiro do que modelos regionais tradicionais — e ainda alcança pontuações de intensidade de última geração avaliadas em ciclones de 2023–2025. Modelos regionais tradicionais funcionam em grades de sub-quilômetro a quilômetros de um dígito. Uma variante compacta, WeatherNext 2-mini, funciona em 111×111 km em um único TPU em um notebook Colab gratuito. Os pesquisadores apontam como WN-C extrai sinal de intensidade de entradas grosseiras como uma questão aberta agora que os pesos são públicos.
O modelo gera conjuntos de 1.000 membros por ciclone, acima dos 50 membros da temporada anterior, usando Redes Generativas Funcionais que injetam ruído estruturado diretamente na arquitetura para manter cada cenário fisicamente consistente. Uma previsão de 1.000 membros para 15 dias é executada em menos de um minuto em um único TPU. Os meteorologistas podem expor riscos extremos como intensificação rápida sem esperar por uma fila de supercomputador.
A temporada de furacões do Atlântico de 2025 serviu como avaliação em tempo real. WN-C rodou ao lado do fluxo de trabalho operacional do National Hurricane Center e previu a intensificação rápida e o landfall na Jamaica do Hurricane Melissa com antecedência suficiente para que o NHC emitisse um alerta precoce que a agência descreveu como histórico. A Dra. Kate Musgrave, Cientista Pesquisadora do CIRA, descobriu que demonstrou habilidade comparável ou maior do que os melhores modelos operacionais para trajetória e intensidade. Os parceiros incluíram CIRA, UK Met Office, Universidade de Tóquio e Weathernews Inc. do Japão.
O lançamento de código aberto cobre três variantes: WeatherNext Cyclones (a versão que rodou durante a temporada de furacões de 2025), WeatherNext 2 (operacionalizado em outubro de 2025, superando a versão anterior em 99,9% das variáveis de 0–15 dias, gerando previsões 8× mais rápido), e WeatherNext 2-mini. Código e pesos estão no GitHub. Os dados de previsão do WeatherNext 2 estão disponíveis em Earth Engine e BigQuery; Vertex AI oferece um endpoint de inferência de acesso antecipado. Ciclones tropicais causaram mais de 700.000 mortes e US$ 1,4 trilhão em perdas econômicas globalmente nos últimos 50 anos.
Para arquitetos construindo pipelines dependentes de clima em energia, logística, cadeia de suprimentos ou agricultura: inferência de conjunto sub-minuto em um único TPU, pesos abertos e dados de previsão acessíveis via BigQuery significa que WN-C é integrável hoje.