Hacia el 4 de septiembre de 2026, Google DeepMind presentó WeatherNext 3, la siguiente generación de su familia de modelos de predicción meteorológica. El salto más visible es espacial y temporal: pronósticos horarios sobre una malla de 5 kilómetros, frente a los 25 kilómetros de WeatherNext 2, lo que acerca el producto a decisiones locales de energía, logística y protección civil.
Una diferencia metodológica clave respecto a la predicción numérica del tiempo (NWP) clásica es el uso de datos satelitales en vivo, en contraste con el rezago típico de unas seis horas que arrastran muchos ciclos NWP operativos. Esa frescura de observación importa cuando las tormentas se organizan rápido y cuando el valor económico está en la próxima hora, no en el mapa de ayer.
WeatherNext 3 también apunta a la escasez de estaciones in situ: donde la red terrestre es dispersa, el modelo se apoya en sensores orbitales y en aprendizaje de representaciones que rellenan huecos. No sustituye el valor de una estación bien calibrada; reduce el costo de no tener una en cada valle.
Para energía eólica, el producto destaca viento a 100 metros —altura de buje relevante para turbinas modernas—. Mejores perfiles de viento a esa cota se traducen en despacho, mantenimiento y coberturas financieras más informadas. El mensaje a utilities es claro: esto no es solo un widget de lluvia en el teléfono.
En precipitación, DeepMind reporta mejoras de hasta alrededor del 50% en métricas relevantes frente a baselines previos de la familia. Como siempre en weather ML, el diablo vive en el split geográfico y en el tipo de evento (convectivo vs. frontal). Aun así, el orden de mejora explica la integración agresiva en productos Google.
WeatherNext 3 alimenta experiencias en Search, Gemini, Maps y Earth Engine, y se apoya en Weather Lab como superficie de experimentación y acceso para socios. La estrategia es la habitual de DeepMind en ciencia aplicada: modelo frontera + distribución masiva vía superficies Google + canal lab para usuarios avanzados.
En agosto de 2026, DeepMind había open-sourceado el WeatherNext original, un gesto que construye buena voluntad científica y permite benchmarks externos. WeatherNext 3, más capaz y más integrado en producto, probablemente mantendrá un régimen de acceso distinto; la tensión open-core vs. producto managed no desaparece.
Competidores incluyen ECMWF, NOAA, startups de weather ML y otros labs con foundation models atmosféricos. La ventaja de DeepMind es la tubería hacia mil millones de usuarios de Maps y Search. La ventaja de los centros meteorológicos nacionales sigue siendo mandato público, ensambles y responsabilidad institucional en alertas oficiales.
Limitaciones honestas: malla de 5 km aún no resuelve microclimas urbanos de manzana, ni sustituye ahoracasting radar hiperlocal en todos los países. Datos satelitales en vivo dependen de latencia de downlink y de control de calidad. Usuarios críticos deben exigir verification reports por región.
Neural Pulse celebra el contraste temático del día: mientras el ciclo mediático castiga agentes rogue, DeepMind publica capacidad climática con utilidad civil directa. No borra los problemas de contención agentica del mismo ecosistema Google; sí recuerda que la agenda de IA 2026 incluye ciencia planetaria seria.
Para gobiernos y aseguradoras, la pregunta es adopción: ¿integrarán WeatherNext 3 en mesas de crisis o lo tratarán como capa consumer? Earth Engine ofrece un puente hacia análisis geoespacial profesional si los contratos y la soberanía de datos se resuelven.
Para el Sur Global, mejor precipitación y menos dependencia de estaciones densas puede ser materialmente vital —si el acceso comercial o humanitario existe. Un modelo excelente encerrado en APIs caras no salva cosechas.
Cierre: WeatherNext 3 compacta en un titular verificable —5 km, horario, satélite en vivo, viento 100 m, ~50% precip, productos Google, Weather Lab, open-source del original en agosto—. Esa densidad factual es el estándar que Neural Pulse exige a la cobertura climática con IA.
Próximo a vigilar: papers de verificación, disponibilidad regional, y si el open-source de WeatherNext 1 genera forks que auditen las claims de la generación 3.
