O Google DeepMind e o Google Research apresentaram nesta quinta-feira (3 de setembro de 2026) o WeatherNext 3, modelo global de previsão do tempo por inteligência artificial que a companhia descreve como o mais avançado e preciso até agora, segundo avaliações ao vivo independentes da Brightband. O post foi assinado pelo The WeatherNext team no blog oficial da Google.
Segundo a empresa, o sistema gera previsões horárias, usa mosaicos ao vivo de satélites geoestacionários e eleva a resolução espacial em relação ao WeatherNext 2. Temperatura e umidade de superfície passam a ser visualizadas em até 5 km; outras variáveis de superfície, em 10 km; vento e demais campos atmosféricos, em 25 km. A Google afirma que o quadro global fica cerca de cinco vezes mais nítido do que o do WeatherNext 2, que operava em grade de 25 km e passos de 6 horas.
A integração começa no mesmo dia em Busca, aplicativo Gemini, Google Maps, Google Maps Platform Weather API e Google Earth Engine. Dados também ficam disponíveis para consulta no BigQuery e no Earth Engine, além de download em massa no Google Cloud Storage. Preço de API e de Cloud não foi divulgado no post. Qualidade em português do Brasil não foi medida no material. Parceiro brasileiro não foi nomeado.
Para o usuário de Maps, Busca ou Gemini no Brasil, a promessa da companhia é chuva mais detalhada sem instalar aplicativo novo. A América Latina aparece no texto como região historicamente pouco atendida por previsão de alta resolução por custo de supercomputação. Alertas oficiais e avisos de tempo severo continuam a cargo do Inmet e da Defesa Civil.
O que o WeatherNext 3 muda na resolução e na cadência
A utilidade de uma previsão, no argumento da Google, depende do detalhe no tempo e no espaço. O WeatherNext 3 produz saídas horárias em várias resoluções e mantém, segundo a empresa, consistência física desde padrões globais de vento até topografia local.
Na superfície, temperatura e umidade chegam a grade de 5 km. Outras variáveis de superfície ficam em 10 km. Variáveis atmosféricas, como velocidade do vento, ficam em 25 km. O contraste com o WeatherNext 2 é direto: antes, a grade era de 25 km e o passo temporal de 6 horas.
Em figura do post, a Google compara a temperatura a 2 metros sobre o Reino Unido: WeatherNext 2 em 25 km (0,25°) e WeatherNext 3 em 5 km nativos (0,05°). A empresa afirma que o novo modelo resolve topografia local e reduz representações térmicas pixeladas.
O sistema combina mosaicos de satélite geoestacionário de 1 hora com análise histórica num transformador em malha Functional Generative Network (FGN). As saídas incluem campos em grade, trajetórias de ciclones e coordenadas esparsas em nível de estação.
Satélite ao vivo, atraso de 6 horas e estações esparsas
A maior mudança apontada pela Google não é só a grade mais fina. É a fonte de aprendizado. A maioria dos modelos de clima por IA, inclusive o WeatherNext 2, treina em dados de previsão numérica do tempo (NWP). Esses sistemas físicos, rodados em supercomputadores, carregam atraso de cerca de 6 horas. O atraso, segundo a empresa, pode enviesar chuva e temperatura de superfície.
O WeatherNext 3 ingere mosaico global de satélite geoestacionário ao vivo. A companhia diz gerar uma nova previsão a cada hora, ancorada nas observações mais recentes, em resolução de até 5 km. Tempestades, frentes e sistemas de precipitação que se formam de súbito entram nesse ciclo mais curto.
Temperatura e umidade podem variar em poucos quilômetros, sobretudo perto de costa, vale ou serra. Para mitigar perdas de extremos locais, o WeatherNext 3 também treina em observações esparsas de estações. A grade de 5 km passa a considerar topografia regional, conforme o texto oficial.
O ponto importa para a América Latina, a África e a Ásia-Pacífico. Nessas regiões, a previsão de alta resolução costumava ser limitada pelo custo de modelos regionais em supercomputadores. O anúncio situa o WeatherNext 3 como tentativa de levar previsão localizada a populações e negócios nessas áreas.
Energia limpa: vento a 100 m, nuvem e radiação solar
Além de resolução e frequência, o modelo introduz variáveis voltadas à geração renovável. A Google citou vento a 100 metros, altura aproximada de turbina eólica, e cobertura de nuvens com radiação solar em alta resolução para fazendas solares estimarem luz no solo.
Operadores de rede e desenvolvedores de renováveis, no discurso da empresa, usariam esses campos para prever geração limpa e alinhar oferta à demanda. O post não publica métrica de erro para vento a 100 m nem para radiação no Brasil. Também não nomeia parque eólico ou solar parceiro no país.
Para o leitor técnico, a novidade é a inclusão dessas variáveis no pacote flagship, não a garantia de desempenho local. Quem opera usina ou despacho no Sistema Interligado Nacional ainda precisa validar o produto contra dados próprios e contra órgãos meteorológicos oficiais.
Precipitação: IMERG, radar da Google e ganhos de CRPS
Prever chuva e neve em escala global é um ponto fraco clássico. Processos de nuvem rápidos e em escala pequena escapam a simulações físicas tradicionais. Previsões por IA, segundo a Google, costumam sair borradas ou errar o contorno de tempestades severas.
O treinamento de precipitação do WeatherNext 3 usa o IMERG da NASA (Integrated Multi-satellite Retrievals for GPM) e uma reanálise global de precipitação da Google baseada em radar de satélite. A combinação alimenta o modelo para capturar bandas convectivas com mais nitidez, no relato da empresa.
Em previsões de médio prazo, avaliações internas contra baselines apontam melhora de CRPS (Continuous Ranked Probability Score) de até 60% frente ao IMERG, 30% frente ao MRMS e 10% frente a pluviômetros em lead times iniciais. Os números são da companhia. Não há auditoria brasileira equivalente no post.
Em figura de probabilidade de precipitação (PoP acima de 1 mm), a Google compara o WeatherNext 2 em 25 km, o WeatherNext 3 em cerca de 11 km e a verdade de solo por satélite. O texto afirma que o novo modelo acompanha as bandas convectivas reais, enquanto o anterior aparece difuso e pixelado.
Onde a previsão já entra: Busca, Gemini, Maps e Cloud
O objetivo declarado é levar a inteligência meteorológica a produtos. A lista de canais cobre Busca Google, aplicativo Gemini, Google Maps, Weather API do Google Maps Platform e Google Earth Engine, a partir de 3 de setembro de 2026.
Para desenvolvedores e pesquisadores, a Google informou previsões globais atualizadas a cada hora, prontas para fluxos sem montar o modelo do zero. A consulta pode ocorrer no BigQuery e no Earth Engine. O download em massa fica no Google Cloud Storage. Tabela de preço para API, Maps Platform ou Cloud Storage não aparece no post.
No lado consumidor, a empresa afirmou que, ao planejar um dia ou mais à frente, as pessoas verão previsões de precipitação até 50% mais precisas. Os maiores ganhos, segundo a Google, ocorrem onde as previsões historicamente foram menos confiáveis. A frase é reivindicação do fabricante.
A Brightband entra no lead como fonte de avaliações ao vivo independentes. A Google atribui a essas avaliações o status de modelo global de clima por IA mais avançado e preciso até a data. Rankings e paper foram linkados no post; esta reportagem não reproduz placar completo fora do anúncio.
Brasil: Maps e Gemini mais nítidos, alerta oficial no Inmet
Quem já usa Google Maps, Busca ou Gemini no Brasil passa a receber, no discurso da empresa, previsão de chuva mais nítida sem baixar outro app. A América Latina está nomeada entre as regiões que o modelo pretende atender com grade mais fina. Não há parceiro meteorológico brasileiro citado nem piloto setorial nomeado.
Preço de API e de Cloud permanece em aberto. Qualidade em português do Brasil não foi medida. Sem tabela pública, o custo unitário da Weather API ou do bulk no GCS não pode ser fechado só com o anúncio.
O disclaimer da Google é explícito. Previsões oficiais, avisos de tempo severo e orientações de segurança pública devem vir da agência meteorológica local. No Brasil, isso aponta para o Inmet e para a Defesa Civil. O WeatherNext 3 nos produtos Google não substitui boletim oficial.
Em termos práticos, o usuário brasileiro ganha refinamentos em produtos que já abre todo dia. Agricultor, operador de logística, gestor de usina solar ou eólica e time de risco climático podem cruzar a grade horária com dados próprios, desde que tratem os números da Google como produto atribuído, não como aviso oficial.
Como ler o lançamento sem confundir produto e alerta
O WeatherNext 3 combina três eixos no texto oficial: resolução mais fina na superfície, atualização horária com satélite bruto e variáveis de energia limpa. A precipitação ganha treino em IMERG e em reanálise de radar da Google, com ganhos de CRPS reportados pela companhia. A distribuição cobre consumidor (Busca, Gemini, Maps) e desenvolvedor (Maps Platform, Earth Engine, BigQuery, GCS).
A atmosfera, reconheceu a Google, mantém imprevisibilidade. Treinar em observações reais aproxima a previsão do que ocorre no chão, no argumento da empresa. O mesmo texto pede consulta à autoridade meteorológica local para avisos oficiais.
Em síntese, o WeatherNext 3 entra como modelo flagship global de clima por IA da Google DeepMind e do Google Research, com cadência horária, grade de até 5 km em temperatura e umidade de superfície, satélite ao vivo e presença imediata em produtos Google. Preço de API, métrica em PT-BR e parceiro brasileiro ficaram de fora do post de 3 de setembro de 2026. No Brasil, chuva mais detalhada em Maps e Gemini não altera a regra: alerta severo segue com Inmet e Defesa Civil.