Gepubliceerd: 7 augustus 2026
Google DeepMind gaf op 6 augustus 2026 de code en modelgewichten van zijn WeatherNext-weermodellen vrij, samen met een publicatie in Nature. Het gaat om WeatherNext Cyclones, WeatherNext 2 en het compacte WeatherNext 2-mini. Volgens Google DeepMind leveren de modellen weerkundigen ruim een volle dag extra voorspeltijd op voor het spoor, de intensiteit en de windstructuur van cyclonen. WeatherNext 2-mini draait op een enkele TPU in een gratis Colab-notebook.
Wat heeft Google DeepMind op 6 augustus 2026 vrijgegeven?
Drie modelsets staan nu openbaar op GitHub, inclusief code en gewichten. WeatherNext Cyclones is de versie die tijdens het orkaanseizoen van 2025 draaide en waarvan de resultaten in het Nature-artikel staan. WeatherNext 2 is de latere update die Google in oktober operationeel maakte. WeatherNext 2-mini is een compacte variant die op een enkele TPU past en zonder eigen hardware vanuit een openbaar Colab-notebook te draaien is.
Het werk is ontwikkeld door Google DeepMind en Google Research samen met het Amerikaanse National Hurricane Center, het Cooperative Institute for Research in the Atmosphere en het Britse Met Office. Google DeepMind presenteert de vrijgave als een uitnodiging aan meteorologische diensten, onderzoekers en non-profits om op de gepubliceerde gewichten voort te bouwen met lokale of gespecialiseerde modellen, in plaats van vergelijkbare modellen zelf te trainen.
Wat kunnen WeatherNext 2 en WeatherNext Cyclones?
Het voorspellen van cyclonen vroeg tot nu toe om twee verschillende modelbenaderingen. Het spoor van een storm wordt gestuurd door grootschalige luchtstromingen, die het best worden vastgelegd door grove wereldwijde modellen. De intensiteit wordt gedreven door fijnmazige thermodynamica rond de kern, die het best wordt vastgelegd door gespecialiseerde lokale modellen met hoge resolutie. WeatherNext voorspelt spoor, intensiteit en windstructuur met een enkel model.
De modellen gebruiken Functional Generative Networks, een architectuur om efficiënt ensembles te genereren. Google DeepMind maakt een enkele voorspelling van 15 dagen in minder dan een minuut op een TPU. De ensemblegrootte groeide van 50 leden vorig jaar, gelijk aan wereldwijde fysicamodellen, naar 1.000 leden dit jaar. Daardoor komen zeldzame maar ingrijpende scenario’s zoals snelle intensivering in beeld.
De resolutie is het opvallendste punt. WeatherNext Cyclones werkt met data van 28 bij 28 kilometer, volgens Google DeepMind 100 keer grover dan traditionele modellen, en WeatherNext 2-mini draait op 111 bij 111 kilometer en presteert nog steeds goed. Google DeepMind schrijft er expliciet bij dat het een open onderzoeksvraag is waarom de modellen bij die resolutie zo nauwkeurig blijven, wat een opvallende kanttekening is naast een claim over state-of-the-art prestaties.
WeatherNext-benchmarks en hoe ze gemeten zijn
De evaluatie in het Nature-artikel vergelijkt WeatherNext Cyclones met toonaangevende operationele modellen op historische cyclonen. Google DeepMind rapporteert gemiddeld ruim 24 uur extra voorspeltijd op spoor, intensiteit en windstructuur. De voorspelling voor drie dagen vooruit is daarmee ongeveer zo nauwkeurig als wat eerdere systemen voor twee dagen vooruit leverden. Het bedrijf schat die sprong op zo’n tien jaar meteorologische vooruitgang, gemeten aan de trend van de afgelopen 20 jaar.
De gepubliceerde grafieken zetten de driedaagse spoorfout af tegen het ECMWF-ensemble ENS en de driedaagse intensiteitsfout tegen HWRF over 2023 tot en met 2025, met WeatherNext Cyclones op ongeveer 100 kilometer positiefout en ongeveer 11 knopen intensiteitsfout. Dit zijn evaluaties van Google DeepMind zelf, gepubliceerd in een peer-reviewed Nature-artikel met het National Hurricane Center, CIRA en het Met Office als co-auteurs. Dat is een steviger basis dan een blogpost van een leverancier, maar nog geen onafhankelijke replicatie.
Voor de training is bijna 20 terabyte aan wereldwijde atmosferische data gebruikt, samen met de historische cyclonendatabase IBTrACS met bijna 5.000 historische stormen. Die gecombineerde training op wereldwijde weerdynamiek en door experts samengestelde stormwaarnemingen is volgens Google DeepMind de reden dat een enkel model volstaat.
Licentie, beschikbaarheid en hardware-eisen
Google publiceert de WeatherNext-code onder de Apache License 2.0 en het bijbehorende materiaal, inclusief de modelgewichten, onder Creative Commons Attribution 4.0. Beide staan commercieel gebruik toe met bronvermelding. Dat is relevant omdat de eerdere weermodelgewichten van Google DeepMind voor GraphCast en GenCast een niet-commerciële licentie hadden. Voor weerbedrijven, energiehandelaren en verzekeraars is dit het moment waarop de technologie bruikbaar wordt in een commercieel product en niet alleen in onderzoek.
De hardware-eisen zijn bescheiden voor een model van dit kaliber. WeatherNext 2-mini draait op een enkele TPU in een gratis openbaar Colab-notebook, en een volledige voorspelling van 15 dagen kost minder dan een minuut op een TPU. Google DeepMind wijst erop dat de WeatherNext-modellen geen officieel ondersteund Google-product zijn en dat officiële voorspellingen en waarschuwingen van een nationale weerdienst moeten blijven komen.
Hoe verhoudt WeatherNext zich tot GraphCast en GenCast?
WeatherNext volgt op GraphCast uit november 2023 en GenCast uit december 2024. GraphCast zette deterministische wereldwijde AI-weersvoorspelling neer, GenCast voegde probabilistische ensembles voor extreme omstandigheden toe. WeatherNext bouwt daar op drie punten op voort: spoor, intensiteit en windstructuur van cyclonen in een enkel model in plaats van een wereldwijd model gekoppeld aan een gespecialiseerd lokaal model, een ensemble van 1.000 leden, en gewichten met een commerciële licentie.
Wat deze vrijgave onderscheidt van een benchmarkresultaat, is het operationele spoor. Tijdens het orkaanseizoen van 2025 hielp het model het National Hurricane Center bij het voorspellen van de snelle intensivering en landing van orkaan Melissa op Jamaica, waardoor eerder gewaarschuwd kon worden. Tropische cyclonen veroorzaakten de afgelopen 50 jaar wereldwijd meer dan 700.000 doden en 1,4 biljoen dollar aan economische schade, dus voorspeltijd is de maat die telt.
De code en gewichten van de WeatherNext modellen vindt je terug op GitHub.
