웨더넥스트 3 공개가 9월 3일에 있었습니다. 구글 딥마인드와 구글 리서치가 함께 만든 날씨 모델입니다. 가장 큰 변화는 예보 주기로, 전 세계 예보를 여섯 시간이 아니라 한 시간마다 새로 냅니다.
격자도 촘촘해졌습니다. 기온과 습도는 5km 간격으로, 나머지 지표 항목은 10km, 상층 바람 같은 항목은 25km 간격으로 내놓습니다. 이전 판은 25km 격자 하나로 여섯 시간마다 계산했습니다.
이 모델은 이미 구글 검색과 제미나이 앱, 구글 지도 안에서 돌고 있습니다. 하루 이상 앞을 내다볼 때 강수 예보 정확도가 최대 50% 좋아진다는 것이 구글의 설명입니다.
웨더넥스트 3, 계산 결과 대신 위성 영상을 학습한다
최근 몇 년 사이 나온 AI 날씨 모델은 거의 다 수치예보 결과를 학습 자료로 썼습니다. 각국 기상청이 슈퍼컴퓨터로 돌리는 물리 계산 결과를 말합니다.
정확도는 높지만 자료가 늦게 도착한다는 문제가 있습니다. 이 계산 결과에는 약 여섯 시간의 지연이 붙는데, 그 지연이 사용자가 가장 자주 확인하는 항목에서 특히 크게 작용합니다. 비가 언제 오는지, 지금 바깥 기온이 몇 도인지 같은 항목입니다.
웨더넥스트 3는 정지궤도 위성이 찍은 영상을 그대로 받습니다. 채널 11개를 0.1도 간격으로 받고 지연은 한 시간쯤입니다. 한 시간마다 새 예보를 낼 수 있게 된 이유가 여기 있습니다.
땅에서 직접 잰 값도 학습 자료로 씁니다. 공항 기상 관측(METAR), 지역 관측망, 그리고 배와 부표가 남긴 기록을 2001년치부터 넣었습니다.
모델은 이 관측 자료를 따로 떼어 학습합니다. 그렇게 만들어진 부분이 있어서, 위치를 지정하면 그 지점의 지면 2m 높이 기온과 이슬점을 바로 내놓습니다.
비는 또 다르게 다룹니다. NASA의 위성 강수 자료를 쓰고, 여기에 자체 재분석 자료를 하나 더 얹었습니다. 궤도에서 아래를 훑는 레이더가 지나간 좁은 띠를 별도 모델이 학습해 전 지구로 메운 자료입니다.
구조는 갈아엎은 것이 아니라 키운 쪽입니다. 이전 판이 쓰던 신경망 구조를 그대로 두고 내부 표현 크기를 768에서 1024로, 층수를 24개에서 32개로 늘렸습니다. 학습에 쓴 자료는 2026년 6월 30일까지입니다.
성능은 얼마나 올랐고, 어떤 문제가 남았나
중기 강수 예보에서 구글이 보고한 개선폭은 비교 대상에 따라 다릅니다. 위성 강수 자료와 견주면 최대 60%, 레이더 자료와 견주면 30%, 우량계와 견주면 10% 수준입니다.
일반 사용자가 가장 체감할 항목은 기온입니다. 학습에 쓰지 않고 남겨 둔 관측소로 채점했더니, 지면 2m 높이 기온 예보가 이전 판보다 최대 30%, 유럽중기예보센터 앙상블보다 최대 40% 정확했습니다.
평가 방식도 눈여겨볼 만합니다. 과거 자료를 되돌려 맞춘 것이 아니라, 7월 1일부터 8월 11일까지 여섯 주 동안 실제 운영 자료로 돌렸습니다.
그 기간 상층 항목 전부에서 유럽중기예보센터의 AI 앙상블을 앞섰고, 예보 첫 주 평균으로 약 10% 나았습니다. 태풍 진로와 강도 오차는 개선폭이 작았고 보고서도 그 점을 그대로 적었습니다.
구글이 남아 있는 흠을 숨기지 않은 점은 눈여겨볼 만합니다. 논문은 예보 한 장을 따로 놓고 보면 눈에 띄는 문제가 세 가지 있다고 적어 두었습니다.
먼저 계산에 쓰는 격자 모양이 그대로 비쳐서 화면에 육각형 무늬가 나타납니다. 다음으로 일부 항목은 여섯 시간마다 값이 갑자기 튀어 앞뒤가 매끄럽게 이어지지 않습니다. 마지막으로 지상 기온을 맡은 쪽에서는 예보 한 벌 전체가 실제보다 조금 덥거나 조금 춥게 나오는 쏠림이 보입니다.
이런 흠은 예보 여러 장을 겹쳐 평균을 내면 대체로 사라집니다. 다만 남극은 예외인데, 배울 관측소 자체가 거의 없기 때문입니다.
구글도 이 모델을 아직 실험 단계라고 못 박았습니다. 특보와 경보는 각국 기상청 발표를 보라고 안내합니다.
한 시간 단위 예보가 전력망에서 갖는 의미
구글이 내놓은 발표 자료에는 일반 날씨 예보와 직접 관련이 없는 항목도 세 가지 들어 있습니다. 지상 100m 높이의 풍속, 그리고 잘게 나눈 구름량과 일사량입니다.
지상 100m는 풍력 발전기의 회전축이 놓이는 높이입니다. 풍력과 태양광 비중이 큰 전력망에서는 이 세 값이 그날 발전량을 계산하는 기준이 됩니다.
여섯 시간 뒤가 아니라 한 시간 뒤를 알면 예비로 대기시켜 두는 발전 용량을 줄일 수 있습니다. 예비 용량이 줄면 그만큼 운영 비용도 내려갑니다.
요즘 응용 AI에서 반복되는 흐름이 여기서도 확인됩니다. 사용자가 보는 것은 날씨 앱의 강수 표시 하나지만, 실제 수요는 설비 가동 시점을 정하는 도구 쪽에 있습니다.
컴퓨팅 분야에서도 같은 변화가 나타나고 있습니다. 모델을 더 크게 만드는 경쟁에서, 이미 설치한 장비의 효율을 높이는 경쟁으로 초점이 옮겨 가는 중입니다. 전자 대신 빛으로 계산하려는 시도나 노는 컴퓨터를 빌려 추론을 돌리는 방식이 같은 흐름 위에 있습니다.
한 가지는 짚어 둘 필요가 있습니다. 이 모델은 물리 방정식을 계산하는 것이 아니라 과거 위성 영상의 패턴을 학습한 것이어서, 지금까지 관측된 적 없는 형태의 현상에는 근거로 삼을 자료가 없습니다. 예보가 가장 어려운 상황이 바로 그런 경우입니다.
구글도 이 점을 부인하지 않았습니다. 남아 있는 문제를 논문에 그대로 적었고, 외부 기관인 브라이트밴드(Brightband)가 이 모델의 성능을 공개로 평가하고 있다는 사실도 함께 알렸습니다. 특보와 경보는 기상청 발표를 따르라고 명시했습니다.
참고 자료
구글 딥마인드·구글 리서치, WeatherNext 3 발표 자료 및 기술 보고서 2026년 9월 3일 · Unite.AI 2026년 9월 3일 · Quartz 2026년 9월 3일 · Brightband 공개 실시간 평가 · Google for Developers, WeatherNext 모델 문서
