Quinta-feira, 24 de setembro de 2026

O AGENTICO

o futuro da IA, todo dia, num clique

Voltarver como story →

Google lança WeatherNext 3 com previsões horárias e resolução de 5 km

6 fontesdesde 03 de setembro de 20266 artigos

O Google apresentou o WeatherNext 3, seu mais novo modelo de previsão do tempo com inteligência artificial, que usa dados de satélite em tempo real para gerar previsões a cada hora com resolução de até 5 km. O modelo já está integrado a serviços como Search, Maps e Gemini, e superou concorrentes e sistemas tradicionais em testes de benchmark.

Resumo

  • O Google anunciou o modelo de previsão do tempo WeatherNext 3, que gera previsões a cada hora usando dados de satélite em tempo real.

    Representa uma melhoria significativa na capacidade de previsão, com atualizações mais frequentes que as dos modelos tradicionais.

  • O WeatherNext 3 alcança resolução de até 5 km, superior aos 25 km do modelo anterior, WeatherNext 2.

    Resolução mais alta significa previsões mais detalhadas e localizadas, útil para fenômenos como chuvas intensas.

  • O modelo será integrado aos serviços do Google, como Search, Maps e Gemini.

    Isso significa que usuários comuns terão acesso a previsões mais precisas no dia a dia, diretamente nas ferramentas que já usam.

  • O WeatherNext 3 superou outros modelos de IA e previsões tradicionais em testes no benchmark Operational WeatherBench.

    Valida a superioridade do modelo em cenários de comparação, indicando que ele é mais preciso que concorrentes como Nvidia e Microsoft.

  • O modelo usa dados de satélite observacionais em tempo real, diferente de outros modelos que dependem de simulações numéricas com defasagem.

    A inovação está em aprender com dados observacionais frescos, reduzindo vieses em previsões de variáveis rápidas como chuva e temperatura.

  • O modelo também supera sistemas tradicionais de previsão, como os do Serviço Nacional de Meteorologia dos EUA e do ECMWF.

    Indica que a IA pode rivalizar e superar métodos clássicos baseados em supercomputadores, que são caros e lentos.

  • O modelo usa uma combinação de dados de satélite geoestacionário global em mosaico, diferente de outros modelos que treinam com dados de simulações numéricas.

    Essa abordagem inovadora reduz o viés de dados desatualizados e melhora a previsão de variáveis de rápida mudança, como chuva e temperatura da superfície.

Todo dia, só o que dois veículos independentes confirmaram — no seu feed.

Siga @oagentico →