Un modelo de DeepMind gana más de un día de antelación prediciendo ciclones tropicales
Nature publica el trabajo y el código sale libre el mismo día. La letra pequeña: la evaluación es retrospectiva, nadie lo ha probado todavía sobre una temporada en marcha.

En corto
Un modelo de DeepMind publicado en Nature predice ciclones tropicales con un día o más de ventaja sobre los sistemas operativos punteros, con horizonte de quince días y conjuntos de mil miembros en menos de un minuto. Código y pesos liberados. La evaluación es retrospectiva sobre tormentas de 2023-2025, no un ensayo sobre una temporada en marcha.
Qué significa para ti
Si vives en zona de ciclones, lo que cambia no es la predicción: es el margen para moverte. Y si trabajas con datos climáticos, el código está publicado y se puede ejecutar sin supercomputadora.
Nature publicó el 6 de agosto Operational Tropical Cyclone Forecasting with AI, firmado por un equipo de Google DeepMind junto al National Hurricane Center de la NOAA, el CIRA de la Universidad Estatal de Colorado y el Met Office británico. El sistema, WeatherNext Cyclones, predice trayectoria, intensidad y estructura de vientos con hasta quince días de horizonte y, según los autores, con un día o más de ventaja sobre los modelos operativos punteros.
La cifra que explica el salto no es la de precisión, sino la de velocidad. El modelo genera conjuntos de hasta mil miembros —mil futuros posibles de la misma tormenta— en menos de un minuto sobre una única TPU, frente a los cincuenta que manejan habitualmente los centros operativos. Se entrenó con análisis meteorológico global y con IBTrACS, el archivo histórico de unas cinco mil tormentas. Y el mismo día de la publicación se liberaron el código y los pesos.
Un día más de aviso no es una mejora estadística: es tiempo de evacuación. En el Caribe, Centroamérica y el Golfo de México, la diferencia entre veinticuatro y cuarenta y ocho horas de antelación decide cuántas carreteras se pueden vaciar. Que el modelo sea abierto añade una segunda consecuencia, menos vistosa y quizá más duradera: los servicios meteorológicos sin presupuesto para supercomputación pueden ejecutarlo.
Conviene marcar hasta dónde llega el hallazgo. La evaluación es retrospectiva, sobre ciclones de 2023 a 2025 —el artículo dice 2023-2025 y el blog corporativo, 2023-2024—, no un ensayo prospectivo sobre una temporada en curso. El National Hurricane Center colabora en el trabajo y lo usó como apoyo en 2025, durante el huracán Melissa, pero no consta que lo haya adoptado como sistema operativo oficial. Los autores no publican errores de trayectoria en kilómetros a plazos concretos, que es la métrica con la que los meteorólogos comparan modelos. Y la frase de que esto equivale a una década de progreso meteorológico es marco comunicativo de DeepMind, no una medida independiente.
Cómo lo sabemos
Esta nota se verificó con 3 fuentes independientes y fechadas antes de publicarse. El modelo redacta; los hechos vienen de las fuentes.
- Nature — Operational Tropical Cyclone Forecasting with AI · 2026
- Nature News & Views — Beucler y Gomez (Lausana) · 2026
- Google DeepMind — WeatherNext: AI model achieves breakthrough in forecasting cyclones · 2026


