WeatherNext 3 gir værvarsler hver time i Maps og Gemini

WeatherNext 3 gir deg ferskere og mer lokale værvarsler direkte i Google Search, Maps og Gemini. Den nye AI-modellen lager en global prognose hver time, kan vise enkelte overflatevariabler med en oppløsning på 5 kilometer og leverer ifølge Google betydelig bedre prognoser for regn og snø enn forgjengeren.

Det høres kanskje ut som en litt mer avansert måte å avgjøre om paraplyen skal være med ut døren. Men dette er AI brukt på en oppgave der noen få kilometer og noen få timer faktisk betyr noe. Samme prognosegrunnlag påvirker bønder, flytrafikk, kraftproduksjon, transport og beredskap.

Det viktigste er at WeatherNext 3 ikke blir værende i et forskningslaboratorium. Google begynte 3. september 2026 å rulle modellen inn i tjenester folk allerede bruker. For de fleste blir dette derfor en synlig AI-oppgradering uten at de trenger å lære en ny app, skrive en prompt eller vite hva en mesh transformer er.

Hva er WeatherNext 3?

WeatherNext 3 er Googles nye globale AI-modell for værvarsling. Den kombinerer tradisjonelle analysedata med ferske satellittbilder, produserer en ny prognose hver time og leverer temperatur og fuktighet med opptil 5 kilometers oppløsning. Google presenterte modellen 3. september 2026.

Forgjengeren WeatherNext 2 produserte prognoser på et globalt rutenett på 25 kilometer i seks timers trinn. WeatherNext 3 reduserer rutenettet til 5 kilometer for temperatur og fuktighet ved bakken, 10 kilometer for blant annet vind ved bakken og 25 kilometer for atmosfæriske variabler. Google omtaler det samlede værbildet som omtrent fem ganger skarpere.

Oppløsning er ikke pynt på et kart. Et rutenett på 25 kilometer kan glatte ut forskjellen mellom kyst og innland, dal og fjell eller en regnbyge som treffer den ene siden av byen. Fem kilometer er fortsatt ikke en garanti for været i akkurat din gate, men modellen får et langt bedre utgangspunkt for å beskrive lokale forskjeller.

WeatherNext 3 er en ensemblemodell. Det betyr at den lager flere mulige værforløp i stedet for å late som atmosfæren bare har ett sikkert svar. Vær er kaotisk, og små endringer i utgangspunktet kan gi store utslag senere. Flere scenarioer gjør det mulig å beregne sannsynlighet, særlig når været kan ta en uvanlig eller farlig retning.

Hvorfor betyr en ny prognose hver time så mye?

En timeoppdatert prognose kan fange opp vær som endrer seg for raskt til en seks timers syklus. WeatherNext 3 bruker globale mosaikker av geostasjonære satellittbilder med én times mellomrom. Dermed kan hver nye kjøring ta utgangspunkt i et ferskere bilde av skyer og atmosfære, i stedet for å vente på neste store analysepakke.

Dette er særlig viktig for nedbør og temperatur nær bakken. Regnbyger kan bygges opp, flytte seg og dø ut på kort tid. Temperaturen kan samtidig variere kraftig over få kilometer nær fjorder, fjell og dalfører. Et varsel fra tidlig morgen kan derfor være et dårlig grunnlag for en ettermiddag der værsystemet har skiftet retning.

Tradisjonelle numeriske værmodeller beskriver fysikken i atmosfæren og kjøres på kraftige superdatamaskiner. De har blitt imponerende gode, men de er tunge å beregne og analysene som brukes av mange AI-modeller kan ligge rundt seks timer etter sanntid. WeatherNext 3 prøver å korte ned denne avstanden ved å hente signaler direkte fra ferske observasjoner.

Det betyr ikke at fysikkbaserte modeller er avleggs. AI-modellen lærer nettopp fra store mengder historiske værdata, og Google bruker fortsatt tradisjonelle analyser sammen med satellittinformasjonen. Framgangen ligger i at AI kan finne mønstre og produsere mange prognoser raskere, ikke i at meteorologi plutselig er redusert til et pent satellittbilde.

Hvor mye bedre er modellen på regn og snø?

Google oppgir en forbedring på opptil 60 prosent mot satellittdatasettet IMERG for mellomlange nedbørsprognoser. For amerikanske MRMS-data var forbedringen opptil 30 prosent, mens tidlige prognoser målt mot regnmålere ble opptil 10 prosent bedre. Tallene gjelder CRPS, et mål som vurderer kvaliteten på sannsynlighetsprognoser.

Dette er lovende, men prosentene kan ikke leses som at alle regnvarsler overalt nå er 60 prosent mer presise. Resultatet varierer med datasett, målemetode, sted og hvor langt fram prognosen gjelder. Formuleringen «opptil» fortjener alltid litt oppmerksomhet når et selskap presenterer sin egen modell.

Likevel angriper WeatherNext 3 en kjent svakhet. Globale modeller har ofte gitt nedbørsfelt som blir for glatte og diffuse, fordi regn og snø formes av små og raske prosesser i skyene. Google trente modellen på både NASAs IMERG-data og en egen global analyse basert på satellittradar for å lære skarpere grenser og mer realistiske sannsynligheter.

TechCrunch viser også til den uavhengige Operational WeatherBench, der WeatherNext 3 lå foran flere ledende AI-modeller og tradisjonelle prognosesystemer på sentrale variabler som temperatur, vind og fuktighet. Det styrker saken, selv om ingen resultatliste kan love at modellen vinner på alle variabler, steder og værtyper.

Hvor brukes WeatherNext 3 nå?

Utrullingen startet 3. september 2026 i Google Search, Gemini, Google Maps, Google Maps Platform Weather API og Google Earth Engine. Google sier at modellen skal gi opptil 50 prosent mer presise nedbørsprognoser når brukeren planlegger én dag eller mer fram i tid, med størst forbedring i områder som tidligere har hatt svakere varsler.

Google lover ikke at alle brukere får et helt nytt værgrensesnitt på samme dag. Det som endres først, er motoren under informasjonen. Når du søker etter været, spør Gemini om helgeplanene eller bruker værdata i en karttjeneste, kan WeatherNext 3 gradvis bli en del av svaret.

Dette er også et godt eksempel på hvorfor Googles AI-posisjon handler om mer enn chatboten Gemini. Selskapet kan legge en spesialisert modell inn i søk, kart, skyplattform og utviklerverktøy samtidig. Jeg har tidligere skrevet om Gemini som en integrert AI-plattform, og WeatherNext 3 viser hvor konkret den integrasjonen kan bli.

For vanlige brukere er gevinsten enkel: bedre informasjon uten mer arbeid. For bedrifter og utviklere er tilgangen bredere. Prognosene kan hentes fra BigQuery og Earth Engine, lastes ned fra Google Cloud Storage eller brukes gjennom Google Maps Platform. Det gjør modellen relevant for alt fra logistikk og landbruk til planlegging av strømproduksjon.

Hva kan modellen gjøre for vind- og solkraft?

WeatherNext 3 har egne prognosevariabler for fornybar energi, blant annet vindhastighet i 100 meters høyde, skydekke og solinnstråling. Hundre meter er omtrent høyden der turbinene faktisk henter energi fra vinden. Mer presise prognoser kan derfor hjelpe produsenter med å beregne hvor mye strøm et anlegg vil levere.

Dette har en langt større verdi enn å vite om jakken bør være vanntett. Strømnettet må balansere produksjon og forbruk hele tiden. Når vind- og solkraft varierer med været, blir en bedre prognose også et bedre planleggingsverktøy for kraftsystemet.

Google trekker fram regioner i Latin-Amerika, Afrika og Asia-Stillehavsregionen, der kostnaden ved regionale superdatamodeller og tette observasjonsnett har gjort gode lokale varsler vanskeligere. En global AI-modell kan senke terskelen, men den kan ikke trylle fram bakkemålinger, radarer eller lokale fagmiljøer som ikke finnes.

Derfor bør dette leses som et sterkere globalt grunnlag, ikke som en komplett erstatning for nasjonale værtjenester. Lokale meteorologer kjenner terreng, målestasjoner, modellfeil og konsekvenser som en global modell ikke nødvendigvis fanger. Den beste løsningen blir sannsynligvis AI-prognoser brukt sammen med de etablerte systemene.

Er WeatherNext 3 virkelig først med rå observasjoner?

Google kaller WeatherNext 3 den første AI-modellen som bruker rå observasjoner direkte i et globalt værvarsel med høy oppløsning. Det er en presis, men omstridt «først»-påstand. Oppstartsselskapet WindBorne sier at WeatherMesh 6 har brukt rå data fra værballonger og andre kilder siden slutten av 2025.

Google svarer at WeatherNext 3 leverer høyere oppløsning over hele kloden. Begge kan dermed ha en rimelig sak, avhengig av hvordan man definerer rå observasjoner, global dekning og høy oppløsning. For leseren er kappløpet om ordet «først» mindre viktig enn om ferskere data faktisk gir bedre prognoser.

Det er dessuten ikke full direkte dataassimilering fra en helt ubearbeidet verden. Både WeatherNext 3 og konkurrentene er fortsatt avhengige av datasett og analyser fra nasjonale værorganisasjoner. Modellen bruker satellittbilder direkte, men den meteorologiske infrastrukturen under forsvinner ikke.

Den nyansen gjør ikke modellen mindre spennende. Tvert imot viser den hvor utviklingen går: fra AI som hovedsakelig lærer en forsinket representasjon av atmosfæren, til systemer som trekker inn stadig ferskere observasjoner. Men Google har ikke løst all værvarsling i ett jafs. Atmosfæren har fortsatt tenkt å være vanskelig.

Kan du stole mer på værmeldingen nå?

Ja, WeatherNext 3 gir gode grunner til å forvente bedre varsler, særlig for nedbør, raske endringer og lokale temperaturforskjeller. Modellen topper uavhengige sammenligninger på sentrale mål, og forbedringene er store nok til å være praktisk relevante. Men et værvarsel er fortsatt en sannsynlighet, ikke en avtale med skyene.

Høyere oppløsning kan også skape en falsk følelse av sikkerhet. Et detaljert kart ser overbevisende ut selv når utgangspunktet er usikkert. Fem kilometers ruter og timeferske kjøringer hjelper, men de fjerner ikke kaoset i atmosfæren eller mangler i observasjonsdataene.

Ved ekstremvær gjelder det samme som før: Følg offisielle varsler fra Meteorologisk institutt og beredskapsmyndighetene. Google sier selv at WeatherNext og Weather Lab ikke skal brukes som erstatning for nasjonale varsler og råd om offentlig sikkerhet.

Til hverdags er dommen enklere. Når en modell kan oppdatere oftere, se flere lokale forskjeller og treffe bedre på regn, er det en nyttig forbedring som folk faktisk merker. Du kan fortsatt glemme paraplyen. Men det blir litt vanskeligere å skylde på værmeldingen.

Ofte stilte spørsmål