Tempo de leitura: 5 minutos
Olá, é um prazer inenarrável estar mais uma vez escrevendo este post. Prever o tempo parece uma tarefa simples até que uma tempestade mude de direção, uma chuva apareça fora do horário esperado ou uma pequena diferença de temperatura afete uma plantação inteira. É justamente nesse cenário que o Google DeepMind apresentou o WeatherNext 3, um modelo de inteligência artificial criado para produzir previsões globais mais detalhadas, frequentes e localizadas.
Anunciado em 3 de setembro de 2026, o modelo combina dados históricos com observações recentes de satélites meteorológicos. A promessa é reduzir o intervalo entre o que está acontecendo na atmosfera e o momento em que essa informação aparece em uma previsão. Mas o que muda, na prática, quando um modelo passa a atualizar seus dados a cada hora?
WeatherNext 3 usa IA para atualizar previsões a cada hora
De acordo com o Google DeepMind, o WeatherNext 3 utiliza mosaicos de dados de satélites geoestacionários atualizados em tempo real, além de análises meteorológicas históricas. Essa combinação permite gerar uma nova previsão a cada hora, em vez de depender apenas de conjuntos de dados que podem apresentar defasagem de várias horas.
Essa diferença é importante principalmente para fenômenos que mudam rapidamente, como frentes frias, tempestades e sistemas de precipitação. Uma previsão feita com informações mais recentes pode oferecer um retrato mais próximo das condições observadas no momento, embora nenhum modelo consiga eliminar completamente a imprevisibilidade da atmosfera.
WeatherNext 3 aumenta a resolução das previsões
Outra mudança está no nível de detalhe. O WeatherNext 2 trabalhava com uma grade de 25 quilômetros e atualizações em intervalos de seis horas. Já o WeatherNext 3 produz previsões horárias em diferentes resoluções: algumas variáveis de superfície, como temperatura e umidade, podem ser visualizadas em uma resolução de 5 quilômetros; outras chegam a 10 quilômetros, enquanto variáveis atmosféricas, como velocidade do vento, são calculadas em uma grade de 25 quilômetros.
Na prática, isso ajuda o modelo a representar melhor diferenças provocadas por montanhas, vales, litorais e outras características do terreno. Uma cidade localizada a poucos quilômetros de uma área montanhosa, por exemplo, pode experimentar condições diferentes das observadas em uma região plana próxima. Modelos com resolução mais baixa tendem a suavizar essas diferenças.
Segundo o Google, o resultado geral é uma imagem meteorológica aproximadamente cinco vezes mais detalhada que a do modelo anterior. A empresa também afirma que o WeatherNext 3 foi treinado com dados de estações meteorológicas, permitindo incorporar informações de pontos específicos ao produzir previsões em escala global.
WeatherNext 3 melhora as previsões de chuva e neve
A precipitação continua sendo um dos problemas mais difíceis da previsão meteorológica. Chuva e neve dependem de processos que acontecem em escalas pequenas e podem se alterar rapidamente. Por isso, uma previsão pode indicar chuva para uma área ampla sem capturar corretamente os limites de uma tempestade ou a diferença entre bairros próximos.
Para lidar com esse desafio, o WeatherNext 3 foi treinado com dados do produto IMERG, da NASA, além de uma reanálise global de precipitação baseada em radar e satélites. Nas avaliações apresentadas pelo Google, o modelo registrou melhorias no CRPS, uma métrica usada para avaliar previsões probabilísticas: de até 60% em comparação com o IMERG, 30% em relação ao MRMS e 10% contra medições de pluviômetros em determinados horizontes iniciais.
Esses números representam avaliações divulgadas pela própria empresa e não significam que toda previsão individual será correta. Para alertas severos e decisões de segurança, a recomendação continua sendo consultar os serviços meteorológicos oficiais de cada região.
WeatherNext 3 também foi desenvolvido para energia renovável
O modelo não foi pensado apenas para quem quer saber se deve levar um guarda-chuva. O WeatherNext 3 também produz variáveis voltadas à geração de energia renovável, como velocidade do vento a 100 metros de altura, cobertura de nuvens e níveis de radiação solar.
Essas informações podem ajudar empresas de energia e operadores de rede a estimar quanto uma usina eólica ou solar poderá produzir. Uma previsão mais precisa permite comparar a geração esperada com a demanda dos consumidores e planejar melhor a operação da rede elétrica. É um exemplo de como a IA pode atuar nos bastidores de uma atividade cotidiana sem necessariamente aparecer como um chatbot.
Onde o WeatherNext 3 estará disponível
O Google informou que o WeatherNext 3 começaria a alimentar experiências meteorológicas no Google Search, no aplicativo Gemini, no Google Maps, no Google Maps Platform Weather API e no Google Earth Engine a partir do anúncio.
Além dos produtos do Google, pesquisadores, desenvolvedores e empresas poderão consultar os dados por meio do BigQuery e do Earth Engine, fazer download em lote pelo Google Cloud Storage e acessar recursos de desenvolvimento na documentação do WeatherNext. A proposta é disponibilizar as previsões sem exigir que cada organização treine ou configure seu próprio modelo meteorológico.
O que o WeatherNext 3 muda para usuários e empresas
Para o usuário comum, a mudança pode aparecer como uma previsão de chuva mais localizada ou como uma atualização mais rápida quando o tempo muda. Para agricultores, companhias aéreas, equipes de emergência e empresas de energia, o impacto potencial é maior: decisões operacionais dependem de informações que precisam ser simultaneamente rápidas, detalhadas e confiáveis.
Existe, porém, uma diferença importante entre melhorar uma previsão e tornar o clima previsível. O WeatherNext 3 pode processar mais dados e produzir previsões em maior resolução, mas continua trabalhando com um sistema físico complexo. Por isso, o modelo deve ser entendido como uma ferramenta de apoio, não como substituto das autoridades meteorológicas responsáveis por avisos e orientações de segurança.
O anúncio mostra uma direção relevante para a inteligência artificial: em vez de apenas gerar textos ou imagens, modelos especializados também podem interpretar dados do mundo real e ajudar a antecipar eventos com impacto econômico e social. No caso do WeatherNext 3, a aposta do Google é que atualizações horárias, dados de satélite e maior resolução aproximem a previsão do que realmente está acontecendo no chão.
