ศัตรูตัวใหญ่ที่สุดของการพยากรณ์อากาศมักไม่ใช่โมเดลที่ไม่ฉลาดพอ แต่เป็นข้อมูลที่เก่าเกินไป การปรับปรุง WeatherNext 3 ครั้งนี้ของ Google DeepMind มุ่งเป้าไปที่ปัญหานี้โดยตรง โดยเปลี่ยนจากข้อมูลโมเดลพยากรณ์อากาศเชิงตัวเลข (Numerical Weather Prediction) ที่พึ่งพากันมาแต่เดิม ซึ่งมักมีความล่าช้าถึง 6 ชั่วโมง มาเป็นข้อมูลสังเกตการณ์จากดาวเทียมแบบเรียลไทม์ ทำให้โมเดลสามารถอ่าน "สภาพชั้นบรรยากาศล่าสุด" ได้อย่างต่อเนื่อง
การเปลี่ยนแปลงนี้สะท้อนออกมาโดยตรงในเรื่องความละเอียด กริดพยากรณ์ของ WeatherNext 2 มีขนาด 25 กิโลเมตรต่อด้าน ในขณะที่ WeatherNext 3 ลดลงมาอยู่ที่ 5 กิโลเมตรต่อด้าน และสามารถให้การพยากรณ์แบบรายชั่วโมงได้ DeepMind ระบุว่าโมเดลยังดูดซับข้อมูลจากสถานีตรวจอากาศที่กระจายอยู่ทั่วไปด้วย ทำให้สามารถให้การวิเคราะห์ที่ละเอียดขึ้นสำหรับตัวแปรอย่างความชื้น ซึ่งเป็นสิ่งที่อาจเปลี่ยนแปลงอย่างรวดเร็วในระยะทางสั้นๆ
สำหรับอุตสาหกรรมพลังงานหมุนเวียน WeatherNext 3 เพิ่มประโยชน์ใช้สอยที่เป็นรูปธรรมหลายอย่าง โดยทางบริษัทระบุว่าโมเดลสามารถพยากรณ์ความเร็วลมที่ระดับความสูงประมาณ 100 เมตร (ใกล้เคียงกับความสูงของใบพัดกังหันลม) เพื่อใช้ในการคำนวณปริมาณการผลิตพลังงานลมอย่างละเอียด พร้อมทั้งให้ข้อมูลการปกคลุมของเมฆและรังสีแสงอาทิตย์ความละเอียดสูง เพื่อช่วยในการประเมินสภาพการผลิตไฟฟ้าของฟาร์มพลังงานแสงอาทิตย์
การพยากรณ์ปริมาณน้ำฝนเป็นอีกหนึ่งจุดเด่นสำคัญ WeatherNext 3 ผสมผสานข้อมูลปริมาณน้ำฝนที่วิเคราะห์จากดาวเทียมของ NASA และของ Google เอง โดย DeepMind อ้างว่าสิ่งนี้ช่วยเพิ่มความแม่นยำของการพยากรณ์ฝนและหิมะของโมเดลได้สูงสุดถึง 50% และ "การปรับปรุงเห็นผลชัดเจนที่สุดในพื้นที่ที่การพยากรณ์เคยมีความน่าเชื่อถือต่ำ"
โมเดลนี้จะถูกนำไปใช้กับฟีเจอร์พยากรณ์อากาศบน Google Search, Gemini App และ Google Maps รวมถึงเปิดให้ใช้งานผ่าน Google Maps Weather API และ Google Earth Engine ใครที่อยากลองใช้ดูก่อนสามารถเข้าไปสัมผัสประสบการณ์ได้ที่ Google Weather Lab โดยตรง ส่วนใครที่อยากลงมือผนวกเข้ากับโปรเจกต์ของตัวเอง รุ่นก่อนหน้าอย่าง WeatherNext ก็ได้เปิดเป็นโอเพนซอร์สไปแล้วตั้งแต่เดือนสิงหาคม 2026
