Google 開放 WeatherNext 2 程式與權重，完整模型推論需 H100 級記憶體

Google DeepMind 將 WeatherNext 2 從雲端資料服務擴展為可下載、修改及自行推論的研究模型。新公開的程式庫包含 Functional Generative Network（FGN）架構、正規化與自迴歸 rollout 工具、氣旋追蹤器、訓練損失，以及多組預訓練權重；程式採 Apache 2.0，其他材料採 CC BY 4.0。研究者不再只能透過 BigQuery、Earth Engine 或 Weather Lab 讀取既有預報，也能從初始大氣狀態生成自己的集合預測。

WeatherNext 2 以約 0.25 度、即赤道附近約 30 公里的網格運作，每六小時推進一次，預報範圍最長 15 天。公開的營運版以 ECMWF HRES 初始條件啟動，訓練資料截至 2024 年；同一套模型除溫度、氣壓及風場外，也能產生氣旋路徑。FGN 將隨機性注入模型權重，從單一初始狀態取樣多個彼此一致的天氣情境，而非像前代 GenCast 那樣執行完整的條件擴散程序。

硬體門檻仍然明顯。官方說明指出，非 Mini 版本在 GPU 上需要 H100 級顯示記憶體，且須切換注意力實作；針對本機測試的 1 度 Mini 版可在 P100 或免費 TPU 執行，但不預期重現完整模型精度。完整訓練還需要 ERA5 與 HRES 資料，其授權和下載成本不包含在程式庫本身。

這次發布的重要性在於，氣象研究者可直接檢查集合校準、區域偏差與極端事件失敗模式，也能測試不同初始資料或後處理方法。接下來應觀察第三方能否重現論文中的氣旋強度、生成及路徑結果，以及模型在未見年份和不同海盆是否仍保持優勢。Google亦明確警告程式介面可能破壞相容性，模型屬實驗系統，任何防災決策仍應以國家氣象機構的正式預報為準。