WeatherNext Cyclonesとは？台風・サイクロン予測AIの精度・使い方・料金を整理【2026年8月最新】

WeatherNext Cyclones（WN-C）は、Google DeepMindとGoogle Researchが開発した熱帯低気圧（台風・ハリケーン・サイクロン）専用のAI気象予測モデルです。 2026年8月6日、Nature論文「Operational Tropical Cyclone Forecasting with AI」の公開と同時に、コードと学習済み重みがGitHubでオープンソース化されました。

最大の特徴は、これまで別々のモデルで扱っていた「進路」と「強度」を単一モデルで同時に確率予測する点と、公式発表で平均24時間以上のリードタイム優位、つまり「3日先の予測が従来モデルの2日先の予測と同等の精度」とされている点です。

この記事でわかること:

• WeatherNext Cyclonesの正確な定義と、WeatherNext 2・FNV3・GDMIなど紛らわしい名称の対応関係
• 精度がどれだけ上がったのか（公式数値と、報道ベースの数値の区別）
• 公開された6モデルの違いと選び方
• 実際に動かす手順・必要なハードウェア・料金
• 公式が明記している免責事項と、防災用途で押さえるべき注意点
• 日本の台風予測にどう関係するのか（ウェザーニューズの採用事例と気象庁の位置づけ）

想定読者は、気象データを扱う研究者・データサイエンティスト、BCPや事前防災を担当する企業・自治体の実務者、そしてAIモデルの社会実装に関心のあるビジネス層です。数値はすべて2026年8月10日時点の公式情報・公開情報に基づきます。

WeatherNext Cyclonesとは｜Google DeepMindの熱帯低気圧予測AI

WeatherNext Cyclonesは、熱帯低気圧の進路・強度・風の広がりを1つのモデルでアンサンブル予測する全球AI気象モデルです。Google DeepMindが米国立ハリケーンセンター（NHC）を擁するNOAA/NWS、コロラド州立大学のCIRA、英国気象庁（UK Met Office）と連携しながら開発・検証してきました。

出典: Google 公式ブログ「WeatherNext 2 Cyclones」

基本情報

従来の台風予測と何が違うのか

現時点の現業予報では、熱帯低気圧を扱うときに大きく2種類のモデルを使い分けるのが一般的でした。

1. 広域・低解像度の全球モデルで進路（どこへ進むか）を予測する
2. 高解像度の領域モデル（NOAAのHAFSなど）で強度（どれだけ強くなるか）を予測する

WeatherNext Cyclonesは、この2つを単一モデルで同時に出力する点が技術的な新規性です。しかも解像度は0.25°（約28km）で、強度予測専用の領域モデルと比べると格子はおよそ100倍粗い設計です。それでも最先端級の強度予測精度を出したことが、Nature論文の主張の中核にあります。

さらに、1°（約111km）の軽量版でも一定の成績が出ているため、「高解像度であることが最先端の強度予測の必須条件ではない可能性」を示した点も注目されています。ただしなぜ粗い格子で精度が出るのかは研究者自身も説明できておらず、論文でも未解決の研究課題として扱われています。信頼性を評価するうえで見落とせない論点です。

AIによる自然現象のモデリングという文脈では、生成AIとは何かという基礎的な整理や、DeepMindが数学・アルゴリズム領域で成果を出したAlphaEvolveと合わせて読むと、同社の「科学へのAI応用」路線の全体像がつかみやすくなります。

紛らわしい名称の対応関係（FNV3 / GDMI / WeatherNext 2 / Mini）

WeatherNext周辺は名称が乱立しており、日本語メディアでも表記の混乱が見られます。公式リポジトリの表記を基準に整理すると次のとおりです。

公式READMEは「WN2とWN Cyclonesのアルゴリズムは同一で、WN2も全く同じ方式でサイクロンを予測する。重みが違うのは独立した学習ランを行ったため」と説明しています。つまり「サイクロン予測だけWN-C、汎用気象はWN2」と機能で分断されているわけではありません。

WeatherNext Cyclonesでできること

WeatherNext Cyclonesが出力できるのは、熱帯低気圧の3要素と、全球の一般気象変数です。いずれも確率的なアンサンブル（複数シナリオ）として得られます。

熱帯低気圧について予測できるもの

• 進路（track） — 中心位置の時系列
• 強度（intensity） — 最大風速・中心気圧
• 風の広がり（wind radii） — 暴風域・強風域の半径。避難範囲や被害想定に直結する要素
• 上記を最大15日先まで（提供チャネルにより6時間または12時間刻み）

全球の一般気象

気温・風・降水・気圧・海面水温など130変数超を、10〜13の気圧面で予測します。台風以外の用途（電力需給、農作業計画、物流の輸送計画など）にも転用可能な出力です。気象データを需給予測に組み込む事例は電力・エネルギー業界のAI活用や農業のAI活用でも広がっています。

アンサンブル（不確実性の扱い）

WeatherNext Cyclonesは、1つの「正解の進路」を出すのではなく、多数のシナリオを生成して確率分布として提示します。公式ブログでは、サイクロン予測において1,000メンバーのアンサンブルを生成すると説明されています（2025年シーズンの50シナリオから20倍に拡大）。狙いは、稀だが壊滅的な結果につながる「テールリスク」——たとえば夜間の急速強化——を確率として拾うことです。

ただしメンバー数は提供チャネルによって異なります。この点は誤解が広がりやすいので整理しておきます。

「1,000メンバー」はサイクロン予測ワークフロー側の数字であり、配信データセットをそのまま使う場合の数とは一致しません。導入検討時は、使う経路のドキュメントを個別に確認するのが確実です。

推論速度

単一のTPUで15日先の全球予測を1分未満で生成できるとされています。FGN方式は、1つの予測ステップにつきニューラルネットワークを1回通すだけで済むため、数十回のパスが必要な拡散モデル（GenCast）と比べて約8倍高速という説明が公式技術文書にあります。スーパーコンピュータで数時間かけて回す従来の数値予報と比べると、計算コストの構図が変わる水準です。

更新頻度

全球予測は1日4回（00/06/12/18 UTC の初期値）更新されます。Google Earth Engineへの配信は各ランの約7.5時間後（±15分程度）です。Open-Meteo経由の場合は12時間ごと（00/12 UTC）で、標準7日・最大15日の提供となっています。

精度はどれだけ上がったのか｜「3日先が従来の2日先相当」の中身

公式が主張する優位は「主要な現業モデルに対して平均24時間以上のリードタイム」です。 これは「3日先の予測が、従来モデルの2日先の予測と同じくらい当たる」と言い換えられ、DeepMindは「現業予報のおよそ10年分の進歩に相当する」と表現しています。

出典: Google 公式ブログ「The Keyword」

公表されている主な数値（2026年8月時点）

なお、NHCコンセンサスへの寄与（28%／6%）とHAFS比の3.75ノットは、Nature論文を読解した技術メディアが報じた数値であり、DeepMind公式ブログ上では確認できていません。読む側としては、公式が直接示した数値と報道ベースの数値を分けて扱うのが安全です。論文本文は購読制のため、一次確認が取れているのは公式ブログ・GitHub README・複数の技術メディアで一致した範囲に限られます。

実運用での実績

WeatherNext Cyclonesは、いきなりオープンソース化されたわけではなく、2025年6月から実験サイト「Weather Lab」で運用テストが行われてきました。2025年の大西洋ハリケーンシーズンでは、NHCが試験的に参照しています。

象徴的な事例が2025年10月末のハリケーン・メリッサです。24時間で30ノットを超える急速強化と、その後のジャマイカ上陸を事前に捉えたと公式が言及しています。急速強化は従来の数値予報が最も苦手としてきた現象の1つで、ここで先行できることは、避難や資機材配置に使える時間が実質的に増えることを意味します。

過去50年で熱帯低気圧は世界で70万人を超える死者と1兆4,000億ドル規模の経済損失をもたらしたとされます。この規模の現象に対して24時間のリードタイムが加わる意味は、単なるベンチマークスコアの改善にとどまりません。

公開された6モデルの違いと選び方

出典: GitHub google-deepmind/weathernext

GitHubで公開されているのは1つのモデルではなく、用途の異なる複数の重みです。2026年8月時点で公開されている主要な6モデルを整理します。

加えて、旧世代のGraphCast（WeatherNext Graph）とGenCast（WeatherNext Gen）も同一リポジトリで継続ホストされています。

目的別の選び方

評価をするときの注意点として、_<2025 を2023年や2024年のケースで評価すると、その期間が学習データに含まれてしまい成績が過大に出ます。論文再現や第三者検証を行うなら、必ず評価期間より前で学習が打ち切られている版を選ぶ必要があります。

WeatherNext Cyclonesの使い方｜5つの入手経路

「重みが無料公開された＝すぐに自分の台風予測が回せる」ではありません。 初期条件となる気象データを別途用意する必要があり、非Miniモデルは相応のハードウェアも要ります。利用形態は現時点で大きく5つに分かれます。

① Colabで試す（最も手軽）

公式リポジトリにはデモ用のColabノートブックが用意されており、デフォルトで WeatherNext Cyclones Mini が実行されます。ランタイムは無料枠の v5e-1 TPUで足りるため、Googleアカウントさえあれば費用ゼロで一通りの流れを確認できます。非Miniモデルを回す場合は v5p アクセラレータが必要で、こちらは有料枠です。

② 自前環境で推論する場合の手順

おおまかな流れは次のとおりです。

1. パッケージをインストールする — 現時点ではPyPI配布ではなくGitHub直接インストールです。pip install git+https://github.com/google-deepmind/weathernext.git@v0.3.0 のようにリリースタグで固定することが推奨されています
2. 重みを取得する — Google Cloud Storageの公開バケット dm_graphcast から対象モデルの重みをダウンロードする
3. 初期条件データを用意する — ERA5（再解析データ）またはECMWF HRESの解析値。ここが最大のハードル
4. 推論を実行する — 実装はTPU最適化されているため、GPUで動かす場合はattention実装の切り替えが必要
5. トラッカーで低気圧を追跡する — 出力した気象場から熱帯低気圧の中心を抽出する処理。2025年9月に改良版が入っている

ハードウェア要件の目安は、Miniなら P100 程度でも推論可能、非Miniモデルは VRAM 確保の観点から H100 クラスが必要とされています。なお、モデルをゼロから学習し直すのは現実的ではありません。ERA5の全量（WeatherBench2経由のZarr形式）とHRESのファインチューニング用データが必要で、個人・中小規模の組織で用意できる量ではありません。

③〜⑤ データやAPIだけを使う

自前で推論を回さず、出来上がった予測データを使う選択肢もあります。Google Earth Engineのデータカタログには WeatherNext 2 のデータセットが公開されており、BigQueryからも参照できます。Open-Meteoは「Google WeatherNext 2 Ensemble」として64メンバーのアンサンブルをAPI提供しています。可視化だけでよければ、Google Earth AI配下の実験サイト Weather Lab をブラウザで開くのが最短です。

出典: Google Earth Engine 公式ドキュメント

Googleの地球観測・気象系プロダクトは実験的な公開と修正が繰り返されており、Google EarthのAI画像生成機能が1日で撤回された事例のように、提供内容が短期間で変わる可能性は織り込んでおくべきです。

料金｜無料で使える範囲と有料になる境界

モデルの重みとコード自体は無料です（Apache 2.0 / CC BY 4.0）。コストが発生するのは主に計算資源とデータ配信の側です。

コスト面で見落とされやすいのが、「重みは無料でも初期条件データは別規約」という点です。ERA5やHRESはECMWFの規約に服し、再配布などに制限があります。GitHubのREADMEも、データ利用規約のコンプライアンス確認はユーザー責任だと明記しています。商用サービスに組み込む場合は、モデルのライセンスとデータのライセンスを分けて確認する必要があります。

Vertex AI経由の従量課金単価は2026年8月10日時点で公開されておらず、本番運用のコスト試算を行うにはGoogleへの問い合わせが必要な段階です。

使う前に必ず押さえるべき制約と免責

WeatherNext Cyclonesは、公式に「Googleの正式サポート製品ではない」と明記された実験的研究プロジェクトです。 防災という文脈で扱う以上、ここは曖昧にできません。GitHubのDisclaimersに書かれている内容を要約します。

1. 公式サポート製品ではない（This is not an officially supported Google product）
2. 実験的な研究プロジェクトであり、利用・配布の適切性の判断と、そこから生じるすべてのリスクは利用者の責任
3. いかなる政府気象機関とも共同開発・承認の関係にはなく、公的な警報・注意報を置き換えるものではない
4. 研究用コードとして提供されており、APIの安定性は保証されない。予告なく破壊的変更が入り得るため、リリースタグでの固定が推奨される
5. Weather Labの予測は開発中モデルによるもので、公式の気象予報・警報ではない

公式ブログも末尾で「公式の予報・警報は各地域の気象機関・国家気象局を参照すること」と明記しています。

技術面・信頼性面の制約

• 重みだけでは動かない — ERA5またはHRESの初期値が別途必要で、それぞれ別の利用規約に従う
• ハードウェア要件が高い — 非MiniモデルはH100クラスのGPUまたはv5p級TPUが前提。実装はTPU最適化されている
• 再学習は現実的でない — フル学習にはERA5全量とHRESファインチューニングデータが必要
• 精度が出る理由が未解明 — 28km（さらには111km）という粗い格子でなぜ最先端級の強度予測ができるのか、研究者自身が説明できていない。論文でも未解決の研究課題として扱われている
• 日本語UI・気象庁との公式連携は確認できていない — Weather Labは英語UI中心

このうち「メカニズムが未解明」という点は、技術メディアが最も強く指摘している論点でもあります。一方で、重みが公開されたことで外部の研究者が「なぜ効くのか」を検証できるようになったこと自体が、オープンソース化の最大の意義だという評価もあります。この評価が定まるには、公開後のコミュニティによる再現検証の蓄積を待つ必要があります。

企業・自治体が使う場合の運用ルール

実務に組み込むなら、最低限このあたりを社内ルール化しておくのが現実的です。

• AI予測は参考値として扱い、気象庁など公的機関の情報を一次情報とする
• 意思決定の記録に、どのモデルの何時初期値を参照したかを残す
• パッケージはリリースタグで固定し、ハッシュを確認する（重み配布元は公開バケット dm_graphcast、インストールはGitHub直接のため、サプライチェーンの観点でも固定が望ましい）
• 予測の解釈責任は利用者側にあることを、関係部署間で合意しておく

リスク評価や事業継続の観点でAIをどう位置づけるかは、保険・損保業界のAI活用や官公庁・自治体のAI活用事例でも共通する論点です。

日本の台風予測とどう関係するのか

出典: ウェザーニューズ公式サイト

日本の読者にとって重要なのは、WeatherNext系のモデルがすでに国内の法人向け気象サービスに組み込まれ始めているという事実です。

2026年8月4日、ウェザーニューズが法人向けサービス「ウェザーニュース for business」の台風予測コンテンツを刷新し、比較・分析できるモデルを従来の8から23モデルに拡大しました。その1つとしてGoogleの WeatherNext（FNV3） が採用されています。同社は効果として、進路のばらつきや予測の不確実性の幅をより詳細に把握できること、台風発生前の段階から予兆を捉えて早期準備・長期計画に活かせることを挙げており、想定用途として企業のBCPや自治体の事前防災を明示しています。

同社は2025年の台風進路予測で精度No.1を達成したとする自社ブログも公開しており、そこでもAI気象モデルが物理モデルを上回る場面がある一方、あくまで意思決定を支える判断材料の1つという位置づけを取っています。この距離感は、AI気象モデルを実務に入れるときの標準的な考え方として参考になります。

一方、気象庁とWeatherNextの公式な連携は2026年8月時点で確認できていません。気象庁は独自にAI気象予測の研究・活用を進めていますが、日本の警報・注意報の一次情報はあくまで気象庁です。「AIが気象庁より正確」といった単純化はできませんし、公式ディスクレーマー上もそうした使い方は想定されていません。

また、論文の検証は大西洋・NHC管轄ベーシンの評価が中心で、日本近海（西太平洋）における個別の検証結果は公開情報からは確認できていません。日本の台風に対する実力を評価するには、今後の第三者検証やウェザーニューズのような事業者の比較運用の蓄積を見る必要があります。

台風は物流の遅延、電力設備の被災、農作物の被害など多方面に波及します。リードタイムが1日伸びることの価値は、運輸・物流業界のAI活用や環境・インフラ分野でのAI活用の文脈で考えるとイメージしやすいはずです。

他の気象モデルとの比較

WeatherNext Cyclonesの位置づけを、同系統のAIモデルと既存の現業モデルの中で整理します。

出典: Google Research 公式サイト

論文・公式が示した比較では、5日先の進路誤差でWeatherNext Cyclonesが平均230km、ECMWF ENSが370km、GenCastが335kmとされています。ハリケーン強度（64ノット）到達確率の予測でも、ENS・GenCastの2倍以上の成績と報告されています。

ただし、AIモデルと物理モデルは代替関係ではありません。AIモデルはERA5のような再解析データや現業モデルの解析値を初期条件として使う以上、物理モデルと観測網の存在が前提になります。「物理モデルが不要になる」という理解は誤りです。

Googleの他のオープンウェイトモデルと比較したい場合は、Gemma 4や最新の基盤モデルであるGemini 4の記事も参考になります。

こんな人におすすめ

WeatherNext Cyclonesを実際に触る価値が高いのは、次のようなケースです。

• 気象・防災分野の研究者／大学院生 — 論文の再現検証や、西太平洋ベーシンでの独自評価を行いたい。学習済み重みが公開された今がまさに検証の好機
• 気象データを扱うデータサイエンティスト — Earth EngineやBigQuery経由でアンサンブル予測を分析パイプラインに取り込みたい
• BCP・事前防災を担当する企業／自治体の実務者 — 自前で推論を回すのではなく、ウェザーニューズのようなベンダー経由でAI予測を含む多モデル比較を使う形が現実的
• 気象情報を扱うアプリ・サービス開発者 — Open-Meteo API経由なら初期投資をかけずに組み込みを試せる
• AI × 科学の最前線を追いたいビジネス層 — 「粗い格子で高精度が出る理由が未解明」という論点自体が、AIモデルの解釈可能性を考えるうえで示唆に富む

おすすめしない人・使うべきでないケース

• 公的な警報の代わりにしたい人 — 公式が明確に否定しています。避難判断は気象庁など公的機関の情報に従うべきです
• すぐに使える完成品のツールを期待している人 — 現時点ではSaaSではなく研究用コード。初期条件データの調達とハードウェアの用意が前提です
• H100クラスのGPUやv5p級TPUを用意できない組織で、精度検証をしたい人 — 公式はMiniが大型版と同等の性能を出さないと明記しており、Miniの結果でモデル全体を評価するのは不適切です
• 人命・安全に関わる判断を単一の情報源で行いたい組織 — 免責事項がそれを許容していません。複数モデルの比較と公的情報の併用が前提です
• APIの安定性が必要な本番システムに直結させたい開発者 — 破壊的変更が予告なく入り得る段階です。Vertex AIの一般提供を待つのが無難でしょう

よくある質問

Q. WeatherNext CyclonesとWeatherNext 2、どちらを使えばいいですか。

A. 熱帯低気圧の予測だけが目的ならWeatherNext Cyclonesの _<2025（FNV3）が実運用実績のある選択肢です。100m高度の風速など汎用の気象変数も併せて必要ならWeatherNext 2を選びます。公式によればサイクロン予測のアルゴリズム自体は同一で、重みが異なるのは独立した学習ランを行ったためです。

Q. 「WeatherNext 2-mini」という名前を見かけましたが、別物ですか。

A. 公式リポジトリ上の正式名称は「WeatherNext Cyclones Mini」（WeatherNextCyclones_Mini_<2024 など）です。「WeatherNext 2-mini」は複数のメディアで見られる表記ですが、公式名とは異なります。

Q. 商用利用はできますか。

A. コードはApache License 2.0、その他の素材はCC BY 4.0なので、ライセンス上の商用利用自体は可能です。ただし「Googleの公式サポート製品ではない」「公的警報を代替しない」という免責が付き、さらに初期条件に使うERA5/HRESはECMWFの別規約に服します。商用サービスに組み込むなら、モデルとデータの両方でライセンス確認が必要です。

Q. 自分で学習し直すことはできますか。

A. 技術的には可能ですが現実的ではありません。フル学習にはERA5の全量とHRESでのファインチューニング用データが必要で、計算資源・データ調達の両面で個人や中小組織の手に負える規模ではありません。Miniモデルであれば小規模な学習実験の入口として使えます。

Q. 日本の台風にも精度は出るのでしょうか。

A. 2026年8月時点で公開されている検証は大西洋・NHC管轄ベーシンが中心で、西太平洋における詳細な検証結果は確認できていません。国内ではウェザーニューズが法人向けサービスにFNV3を組み込んで多モデル比較の1つとして扱っており、こうした実運用の蓄積が今後の判断材料になります。

Q. 1,000メンバーのアンサンブルは誰でも使えますか。

A. 「1,000メンバー」は公式ブログ・Weather Labのサイクロン予測ワークフローで示された数字です。Earth Engineの配信データセットは64メンバー、developers.google.comのモデルガイドではWeatherNext 2を50メンバーと記載しており、チャネルによって異なります。自前で推論を回す場合はハードウェアの許す範囲でメンバー数を設定することになります。

Q. 台風予測以外の用途にも使えますか。

A. 気温・風・降水・気圧・海面水温など130変数超を出力するため、電力需給予測、再生可能エネルギーの発電量予測、農作業計画、輸送計画など幅広い応用が考えられます。ただしいずれの用途でも、実験的研究プロジェクトであるという前提は変わりません。

まとめ

WeatherNext Cyclonesは、Google DeepMindが2026年8月6日にNature論文と同時公開した熱帯低気圧予測AIで、進路・強度・風の広がりを1モデルで同時に確率予測します。公式が示す優位は平均24時間以上のリードタイム、つまり「3日先の予測が従来の2日先相当」という水準です。

導入判断で押さえるべき要点を整理すると次のようになります。

• 重みとコードは無料（Apache 2.0 / CC BY 4.0）だが、初期条件データ（ERA5/HRES）は別規約で、そこが実質的なハードルになる
• 手軽に試すならColab無料枠でWeatherNext Cyclones Mini。ただしMiniで精度を評価してはいけない
• 本格的な推論にはH100クラスのGPUまたはv5p級TPUが必要。マネージド利用はVertex AIのEAP段階で価格未公開
• 公式サポート製品ではなく、公的な警報を代替しない。防災用途では気象庁など公的情報を一次情報とする運用が必須
• 国内ではウェザーニューズが2026年8月4日に法人向けサービスへFNV3を採用し、23モデル比較の1つとして提供している
• 粗い格子で高精度が出る理由は未解明。オープンソース化によって外部検証が可能になった段階

「AIが気象予報を置き換える」という話ではなく、「物理モデルと観測網を前提に、確率予測の質と速度を大きく引き上げる道具が誰でも検証できる形で公開された」というのが、2026年8月時点の正確な理解です。

AIが科学研究そのものを前進させる流れを広く押さえたい方は、生成AIとは何かから、AlphaEvolveや研究者向けAIワークベンチ Claude Scienceへと読み進めると、モデルの社会実装の全体像がつかめます。