времени в Google Weather Lab с июня 2025 года. Для пятидневного прогноза средняя ошибка в определении положения составляет 230 километров, тогда как у ансамблевой модели Европейского центра среднесрочных прогнозов погоды (ECMWF ENS) — 370 километров, а у предыдущей модели DeepMind GenCast — 335 километров. Что касается трехдневного прогноза интенсивности, WN-C точнее модели HAFS (Гармонический анализ и прогнозирование ураганов) Национального управления океанических и атмосферных исследований (NOAA) на 3,75 узла. Несмотря на использование сетки, где каждая ячейка покрывает около 28 квадратных километров, что примерно в 100 раз грубее, чем у специализированных региональных моделей, система работает лучше, что привело исследователей к выводу: высокое разрешение не является строго необходимым для прогнозов интенсивности самого высокого уровня. Модель использует функциональные генеративные сети (FGN) вместо диффузионных, что делает ее в восемь раз быстрее. Она была обучена на почти 20 терабайтах глобальных атмосферных данных и курируемой базе данных о примерно 5000 исторических циклонах. Система может генерировать 1000 параллельных прогнозных сценариев для каждого шторма, что помогает отразить редкие экстремальные явления. Хотя WN-C улучшает прогноз траектории на 28% в сочетании с консенсусными моделями, для интенсивности она дает лишь около 6% улучшения, что указывает на то, что классические модели по-прежнему вносят значительный вклад. DeepMind опубликовала код и веса моделей WeatherNext 2 и WN-C в открытом доступе на GitHub, а мини-версию можно запустить в бесплатном блокноте Colab. Однако авторы подчеркивают, что национальные метеорологические службы остаются авторитетными в вопросах официальных предупреждений.