目錄
이 글의 정보는 2026년 8월 기준이며, WeatherNext는 아직 연구 및 실험 단계의 모델입니다. 실제 재난 대응과 공식 기상 정보는 각국 기상기관의 발표를 기준으로 확인해야 합니다.
2026년 8월, Google DeepMind와 Google Research는 Nature에 WeatherNext Cyclones 연구를 발표하고, 동시에 WeatherNext 2, WeatherNext Cyclones와 경량 모델의 코드 및 사전학습 가중치를 공개했습니다. 이번 성과를 가장 이해하기 쉬운 숫자로 표현하면, 열대저기압의 경로·강도·바람장 예측에서 평균 24시간이 넘는 lead-time advantage를 확보했다는 점입니다. 즉 WeatherNext Cyclones의 3일 후 예보 정확도가 대체로 기존 주요 현업 모델의 2일 후 예보 수준에 도달했다는 뜻입니다. 논문에서는 이 개선 폭이 지난 10년 동안 열대저기압 현업 예보가 누적해서 이룬 향상에 가까운 수준이라고 설명합니다.
이번 소식은 최근 한 주 동안 집중적으로 등장한 AI Agent 안전 관련 뉴스와는 성격이 상당히 다르지만, 오히려 모델 능력 향상을 다른 각도에서 볼 수 있는 사례이기도 합니다. 모델의 능력이 강해지는 것 자체에는 고정된 선악이 없습니다. 실제 결과를 좌우하는 것은 어떤 시스템에 들어가 어떤 문제를 해결하는지, 그리고 최종 출력물을 누가 사용하는지입니다. WeatherNext의 예보는 여전히 공식 경보가 아니며 기상 예보관을 대체하지도 않습니다. 하지만 모델이 급격한 발달, 경로 변화와 강풍 반경 위험을 더 일찍 앙상블 예보에 포함할 수 있다면 전문 예보관에게는 그만큼 더 긴 판단 시간이 생깁니다.
WeatherNext Cyclones는 무엇을 돌파했을까? 하나의 AI 모델이 경로·강도와 바람장을 동시에 예측한다
열대저기압 예보에는 오래된 난제가 있다: 경로와 강도는 필요한 관측 규모가 다르다
열대저기압 예보에는 오랫동안 피하기 어려운 한 가지 절충 문제가 있었습니다. 폭풍이 어디로 이동하는지는 주로 대규모 전 지구 대기 순환의 영향을 받기 때문에 글로벌 모델이 경로 예측에 적합합니다. 반면 폭풍이 어느 정도까지 강해질지는 중심부 근처의 대류, 열역학과 기타 세밀한 과정에 크게 좌우되므로 일반적으로 더 높은 해상도의 전문 모델이 필요합니다. 그래서 기존 시스템에서는 글로벌 모델은 경로에 강하고, 고해상도 지역 모델은 강도 예측에 더 강한 경우가 많았으며, 하나의 시스템으로 두 가지를 동시에 잘 처리하기가 어려웠습니다.
WeatherNext Cyclones는 태풍 중심만 따로 보는 작은 모델을 추가로 훈련하는 방식이 아닙니다. 하나의 AI 모델이 전 지구 날씨 변화와 과거 열대저기압 데이터를 함께 학습하고, 동시에 경로, 최대 풍속과 바람장 구조를 출력하도록 설계됐습니다. Nature 논문이 2023년부터 2025년까지의 열대저기압을 평가한 결과, WeatherNext Cyclones는 이 세 가지 지표 모두에서 주요 현업 모델보다 평균적으로 하루 이상 앞선 예보 기술을 보였습니다. Google DeepMind는 이를 더 직관적으로 설명해, 모델의 3일 예보 정확도가 대체로 기존 모델의 2일 예보 수준과 비슷하다고 소개했습니다.
약 28km 해상도로도 강도를 예측한 점이 오히려 연구에서 가장 예상 밖의 결과였다
이번 연구에서 또 하나 직관에 반하는 부분은 WeatherNext Cyclones가 극도로 높은 해상도에 의존해 결과를 만든 것이 아니라는 점입니다. 전체 모델은 약 0.25도, 즉 대략 28~30km의 전 지구 데이터를 사용합니다. Google DeepMind는 이 해상도가 기존 열대저기압 강도 예측에 사용되는 고해상도 모델보다 약 100배 거칠다고 설명합니다. 경량 버전인 WeatherNext Cyclones Mini는 1도, 약 111km 격자를 사용하며, 전체 모델보다는 성능이 낮지만 여전히 전 지구 날씨와 열대저기압 예보가 가능합니다.
이 결과가 앞으로 해상도가 중요하지 않다는 뜻은 아닙니다. 더 정확한 해석은 현재 최고 수준의 강도 예측 기술을 얻는 데 고해상도가 반드시 필수 조건은 아닐 수 있다는 점을 논문이 보여 줬다는 것입니다. 상대적으로 거친 전 지구 대기 자료에도 기존에 생각했던 것보다 더 많은 열대저기압 강도 관련 신호가 들어 있을 가능성이 있습니다. Google DeepMind 역시 모델이 왜 이런 해상도에서 이렇게 많은 예측 능력을 유지할 수 있는지 아직 완전히 이해하지 못했다고 밝혔으며, 이는 후속 연구 과제로 남아 있습니다.
WeatherNext는 약 20TB의 기상 자료와 약 5,000개의 과거 폭풍을 함께 학습했다
WeatherNext Cyclones의 훈련에는 두 종류의 데이터가 함께 사용됐습니다. 장기간의 전 지구 대기 상태와 정리된 과거 열대저기압 관측 자료입니다. Google DeepMind에 따르면 end-to-end 훈련에는 약 20TB에 가까운 전 지구 대기 데이터와 NOAA의 IBTrACS 전 세계 열대저기압 데이터베이스가 사용됐으며, 여기에는 약 5,000개의 과거 폭풍이 포함됩니다. 이를 통해 모델은 단일 폭풍 중심 주변의 변화만 배우는 것이 아니라, 전 지구적인 날씨 배경 안에서 폭풍이 어떻게 형성되고 이동하고 강화되는지를 함께 학습합니다.
모델의 생성 아키텍처에는 Functional Generative Networks(FGNs)가 사용됩니다. 목적은 단 하나의 「가장 가능성 높은 경로」만 출력하는 것이 아니라, 많은 가능한 시나리오를 효율적으로 생성하는 것입니다. 2025년 실제 운용에서는 한 번에 50개의 ensemble members를 생성했으며, 이는 주요 전 지구 물리 기반 앙상블 모델과 비슷한 규모입니다. 2026년에는 한 번에 1,000개 구성원까지 확장됐습니다. 앙상블 수를 늘리는 가치가 단순히 지도 위에 더 많은 경로를 표시하는 데 있는 것은 아닙니다. 확률분포의 꼬리 부분에 있는, 발생 가능성은 낮지만 실제 발생하면 피해가 큰 시나리오를 더 잘 보존할 수 있다는 점이 중요합니다. 열대저기압의 급격한 발달이 대표적인 예입니다.
WeatherNext는 실제 허리케인 예보에 사용됐을까? 2025년 Melissa가 이미 실제 사례다
미국 국립허리케인센터는 2025년 허리케인 시즌에 실제 WeatherNext 예보를 제공받았다
WeatherNext Cyclones는 논문이 완성된 뒤 처음으로 실제 폭풍에 적용된 모델이 아닙니다. GitHub에 공개된 모델 설명에 따르면 WeatherNextCyclones_<2025는 2025년 대서양 허리케인 시즌 동안 실제 운용된 버전이며, 당시 공개 명칭은 FNV3였습니다. 미국 국립허리케인센터가 후처리한 버전은 GDMI라고 불렸습니다. Nature 논문의 공동 저자에도 NOAA／NHC, CIRA와 영국 Met Office의 연구자 및 예보관이 포함되어 있어, 연구 자체가 실제 현업 예보 환경과 완전히 분리된 실험은 아니었습니다.
2025년 Hurricane Melissa는 가장 분명한 사례 중 하나입니다. Melissa가 아직 비교적 약한 열대 시스템이었을 때 WeatherNext는 폭풍이 급격히 강해지고 Category 5 강도로 자메이카에 상륙할 가능성을 예측했습니다. 5일 전에는 그 확률을 약 80%로 제시했고, 3일 전에는 거의 100%에 가까워졌습니다. NHC 역시 최종적으로 폭풍이 아직 Category 1 풍속에 머물던 시점에 향후 Category 5까지 강화될 것이라고 처음으로 예측했습니다. Google DeepMind는 당시 WeatherNext가 NHC가 참고한 여러 예보 자료 가운데 하나였으며, HAFS 같은 물리 모델, 위성 자료, 허리케인 정찰기와 전문 예보관의 판단도 함께 사용됐다고 설명합니다. AI 모델 하나가 단독으로 경보를 발령한 것은 아닙니다.
이 차이는 중요합니다. 「NHC가 Melissa 예측에 WeatherNext guidance를 활용했다」는 설명은 자료로 뒷받침되지만, 「AI가 혼자 5일 전에 예측해서 공식 대피를 가능하게 했다」고 표현하면 인과관계를 지나치게 확장하게 됩니다. WeatherNext는 추가적인 예보 guidance를 제공했고, 공식 경보·위험 판단과 대피 결정은 여전히 기상기관과 정부가 담당합니다.
WeatherNext는 무엇을 오픈했을까? 코드·모델 가중치와 Mini 버전까지 직접 사용할 수 있다
WeatherNext 2와 WeatherNext Cyclones의 코드와 사전학습 가중치가 공개됐다
Google DeepMind가 이번에 공개한 것은 Nature 논문만이 아닙니다. 실제로 모델을 실행할 수 있는 WeatherNext repository도 함께 공개했습니다. 현재 GitHub에서는 WeatherNext 2, WeatherNext Cyclones와 WeatherNext Cyclones Mini의 코드와 여러 종류의 사전학습 가중치를 제공합니다. 여기에는 2025년 허리케인 시즌에 실제 운용된 WeatherNext 2 및 WeatherNext Cyclones checkpoint와 2023년, 2024년 논문 결과를 재현하기 위한 버전도 포함됩니다. WeatherNext 2와 WeatherNext Cyclones는 같은 열대저기압 예측 방식을 사용하며, 주요 차이 가운데 하나는 WeatherNext 2가 100m 풍속을 추가로 예측한다는 점입니다. 두 모델은 독립적으로 훈련됐기 때문에 사용하는 가중치도 서로 다릅니다.
원문에서 한 가지 라이선스 관련 세부 사항은 수정할 필요가 있습니다. 「코드와 모델 가중치 전체가 Apache 2.0」인 것은 아닙니다. GitHub 설명에 따르면 현재 Colab notebooks와 관련 코드는 Apache 2.0 라이선스로 제공되고, 그 외 공개 자료는 CC BY 4.0을 적용합니다. 사전학습 가중치는 별도로 Google Cloud Bucket에서 다운로드합니다. 따라서 더 정확한 표현은 WeatherNext 연구 코드와 모델 자료가 오픈 라이선스로 공개됐지만, 각 콘텐츠에 적용되는 라이선스 조건은 완전히 같지 않다는 것입니다.
WeatherNext Cyclones Mini는 무료 Colab의 단일 TPU에서도 실행할 수 있다
전체 WeatherNext 모델의 하드웨어 요구사항은 여전히 높습니다. GitHub 설명에 따르면 Mini가 아닌 모델을 GPU에서 실행하려면 H100급 GPU 메모리가 필요합니다. 반면 Mini는 메모리와 연산 요구량을 줄이기 위해 설계돼 단일 GPU 또는 단일 TPU에서 실행할 수 있습니다. Google이 제공하는 Colab Notebook은 기본적으로 WeatherNext Cyclones Mini를 불러오며, 현재 Colab에서 무료로 사용할 수 있는 v5e-1 TPU runtime을 권장합니다.
따라서 「일반 연구자도 접근할 수 있다」는 표현이 「누구나 전체 WeatherNext를 실행할 수 있다」보다 더 정확합니다. 전체 모델은 여전히 상당한 하드웨어 자원이 필요하지만, Mini 버전은 실험, 교육과 연구의 진입 장벽을 크게 낮췄습니다. 연구팀은 먼저 비교적 저렴한 환경에서 데이터 파이프라인, 추적기와 모델 출력을 확인한 뒤 전체 버전에 필요한 연산 자원을 투입할지 결정할 수 있습니다.
왜 WeatherNext의 「오픈 모델」은 다른 AI 안전 뉴스와 전혀 다르게 보일까?
앞서 다뤄진 여러 AI 안전 사건에서는 오픈 웨이트가 통제 문제로 자주 논의됐습니다. 모델이 다운로드된 뒤에는 원 개발사가 API 접근을 일괄 제한하거나 계정을 정지하거나 모든 배포본을 감시하기 어렵기 때문입니다. WeatherNext 역시 비슷한 배포 논리를 사용합니다. 코드와 모델 자료가 공개되면 각 지역 연구팀이 직접 실행하고 연구 흐름을 수정하거나, 특정 지역과 예보 목적에 더 적합한 버전을 개발할 수 있습니다. 차이는 「오픈」 자체가 갑자기 안전해졌기 때문이 아니라 모델 능력이 어떤 목적에 사용되는지에 있습니다.
전 지구 날씨 예보에서는 이런 개방성이 직접적인 연구 가치를 가집니다. 기상 조건은 지역에 따라 매우 다르며, 태풍, 몬순, 산악 강수와 연안 바람장도 각각 요구사항이 다릅니다. 각국의 기상기관, 대학과 비영리 연구기관이 이미 훈련된 모델에서 출발할 수 있다면 동일한 규모의 비용을 들여 처음부터 전 지구 모델을 다시 훈련할 필요가 없습니다. Google DeepMind 역시 specialized, localized models를 이번 모델 공개를 통해 지원하려는 주요 활용 방향 중 하나로 명확하게 언급했습니다.
하지만 오픈됐다고 해서 WeatherNext의 출력이 곧 공식 기상 서비스가 되는 것은 아닙니다. Google은 repository에서 이 프로젝트를 실험적 연구 프로젝트라고 명시하고 있으며, 모델은 어떠한 정부 기상기관의 공식 인증이나 승인을 받은 것이 아니고 공식 alerts, warnings 또는 notices를 대체할 수 없다고 밝힙니다. Nature 논문 저자에 NHC, CIRA와 UK Met Office 인력이 포함되어 있더라도 실제 경보 책임은 각국 기상기관에 남아 있습니다.
일반 사용자도 지금 WeatherNext를 사용할 수 있을까? Weather Lab에서 AI 날씨 예보를 직접 볼 수 있다
모델을 직접 다운로드하지 않아도 WeatherNext의 실험적 예보를 확인할 수 있습니다. Google DeepMind는 Weather Lab을 업데이트해 기존의 열대저기압 경로뿐 아니라 현재는 전 지구 기온, 강수량, 풍속 등 WeatherNext 예보도 볼 수 있도록 했습니다. WeatherNext repository에서는 Google Cloud, Weather Lab과 Open-Meteo를 통해 일일 모델 출력을 이용할 수 있는 방법도 제공합니다. 따라서 연구자와 개발자는 반드시 모델 전체를 직접 실행하지 않아도 예보 데이터를 사용할 수 있습니다.
하지만 Weather Lab은 서로 다른 모델이 미래 날씨를 어떻게 해석하는지 살펴보는 용도에 더 적합하며, 중앙기상서나 다른 공식 기관을 대체하는 서비스는 아닙니다. Google DeepMind는 WeatherNext 발표와 GitHub 모두에서 공식 기상 경보는 해당 지역의 국가 기상 서비스를 확인해야 한다고 반복해서 안내합니다. 대만의 경우 태풍 경보, 출근·등교 중단 여부와 재난 대응 판단은 여전히 중앙기상서 및 관련 정부기관의 공식 정보를 따라야 하며, 특정 WeatherNext 경로가 대만에서 멀어 보인다는 이유만으로 위험이 사라졌다고 판단해서는 안 됩니다.
WeatherNext가 일반 사용자에게 주는 실제 의미는 이제부터 태풍 위치를 하루 일찍 알 수 있다는 뜻이 아니다
「하루 더 빠르다」는 예보 기술 향상을 의미하며 모든 경보가 24시간 빨라진다는 뜻은 아니다
Nature 논문이 말하는 day or more of lead time advantage는 여러 열대저기압의 경로·강도와 바람장 예측에서 모델 오류를 비교해 얻은 평균적인 결과입니다. 미래의 모든 태풍 경보가 항상 하루 일찍 발령된다는 약속도 아니고, 5일 뒤 모든 경로가 갑자기 확정된다는 뜻도 아닙니다. WeatherNext는 여전히 ensemble forecast를 통해 여러 가능한 시나리오를 보여 줍니다. 중요한 것은 예보관이 일부 위험이 쌓이기 시작하는 신호를 더 일찍 볼 수 있다는 것이지, 더 일찍 100% 확정된 답을 얻는다는 의미가 아닙니다.
재난 대응 관점에서는 이런 추가적인 예보 기술이 여전히 실질적인 가치를 가집니다. Melissa처럼 급격히 강화되는 사례에서 앙상블 예보가 강력한 허리케인 시나리오의 확률을 더 일찍 높여 준다면, 기상기관은 이 가능성을 더 일찍 판단 과정에 포함할 수 있습니다. 대피, 물자 배치, 항만 운영과 출근·등교 중단 여부는 여전히 각 지역 정부가 전체 기상 자료를 종합해 결정해야 하며, WeatherNext는 이러한 판단에 더 일찍 등장하는 추가 신호에 가깝습니다.
연구가 공개된 뒤 더 중요한 것은 각 지역이 모델을 어떻게 자기 지역에 맞게 바꾸는가일 수 있다
WeatherNext가 공개된 뒤 다음 단계에서 볼 것은 Google이 benchmark를 얼마나 더 높이는가만이 아닙니다. 각 지역 연구기관이 이 모델을 어떻게 사용하는지도 중요합니다. Google DeepMind는 이미 미국 NHC와 협력하고 있으며, 필리핀 PAGASA, 대만 중앙기상서, 인도네시아 BMKG와 베트남 VNMHA 등과도 관련 연구를 진행하고 있다고 공개했습니다. 이것이 WeatherNext가 이미 이 기관들의 공식 예보 시스템이 됐다는 뜻은 아닙니다. 모델이 더 많은 지역의 연구와 검증 환경에 들어가기 시작했다는 의미입니다.
이 점이 기상 연구에서 오픈 모델이 갖는 보다 현실적인 가치입니다. 전 지구 모델이 먼저 공통된 기반을 제공하고, 이후 각 지역의 날씨를 실제로 잘 아는 연구자와 예보관이 어떤 상황에서 신뢰할 수 있고 어디에서 오차가 커지는지를 검증할 수 있습니다. 일반 사용자에게 최종적으로 체감되는 변화는 어느 날씨 앱에 특정 AI 모델 이름이 표시되는 것이 아닐 수도 있습니다. 오히려 공식 예보가 급격한 발달이나 경로 위험을 더 일찍 포착하게 되고, WeatherNext 같은 모델은 뒤쪽의 예보 도구 체계 안에 들어가 있을 가능성이 큽니다.
이번 주 AI 뉴스 가운데 상당수는 모델이 너무 많은 행동을 할 수 있게 된 뒤 권한을 어떻게 닫고, 샌드박스를 어떻게 지킬지를 다뤘습니다. WeatherNext는 그와 다른 사례를 보여 줍니다. 마찬가지로 모델 능력이 빠르게 향상되고 모델 자료도 공개되지만, 여기에서 핵심 문제는 더 많은 기상기관과 연구팀이 어떻게 검증하고 수정하고 활용할 수 있게 할 것인가입니다. 그렇다고 WeatherNext에 위험이 없다는 뜻도 아니고, 「AI가 드디어 좋은 곳에 쓰였다」는 식의 단순한 대비로 정리할 필요도 없습니다. 보다 구체적인 진전은 열대저기압의 경로·강도·바람장이라는 원래 하나의 시스템에서 동시에 잘 처리하기 어려웠던 세 가지 요소를 하나의 AI 시스템이 2023년부터 2025년까지의 평가에서 평균적으로 하루 이상 앞선 예보 기술 수준으로 끌어올렸다는 점입니다. 앞으로 실제로 중요한 질문은 이 장점이 서로 다른 해역, 서로 다른 폭풍과 실제 현업 예보 환경에서도 안정적으로 유지될 수 있는가입니다.
자주 묻는 질문 FAQ
WeatherNext Cyclones는 열대저기압의 경로, 강도와 바람장 예측을 동시에 개선했습니다. Nature의 2023~2025년 폭풍 평가에서는 주요 현업 모델보다 평균 하루 이상의 lead-time advantage를 확보한 것으로 나타났습니다. Google DeepMind는 이를 3일 예보 정확도가 대체로 기존 모델의 2일 예보 수준에 도달한 것으로 설명합니다. 이는 평균적인 예보 기술 향상을 의미하며, 모든 태풍 경보가 반드시 하루 일찍 발령된다는 뜻은 아닙니다.
현재는 완전한 답이 없습니다. WeatherNext Cyclones는 약 28~30km의 전 지구 데이터를 사용하며, 이는 기존의 열대저기압 강도 전문 고해상도 모델보다 훨씬 거친 해상도입니다. 그럼에도 좋은 결과를 얻었습니다. 연구팀은 상대적으로 거친 전 지구 대기 자료에도 기존 예상보다 더 많은 강도 변화 관련 신호가 들어 있을 가능성이 있다고 보고 있지만, 모델이 이런 해상도에서 어떻게 그 정보를 유지하는지는 여전히 연구 과제입니다.
있습니다. 공개된 WeatherNextCyclones_<2025 checkpoint는 2025년 대서양 허리케인 시즌에 실제 운용된 버전이며, NHC도 관련 guidance를 예보 참고 자료에 포함했습니다. Hurricane Melissa는 가장 분명한 사례 가운데 하나로, WeatherNext는 5일 전에 Category 5로 자메이카에 상륙할 가능성을 높은 확률로 예측했습니다. 다만 공식 예보는 NHC가 WeatherNext, 물리 모델, 위성, 정찰기 자료와 전문 판단을 종합해 발표했습니다.
모두 그렇다고 말할 수는 없습니다. Google DeepMind GitHub에서는 현재 Colab notebooks와 관련 코드에 Apache 2.0을 적용하고, 그 외 자료에는 CC BY 4.0을 적용한다고 설명합니다. 사전학습 가중치는 별도의 Google Cloud Bucket에서 제공합니다. 따라서 WeatherNext는 코드와 모델 자료가 공개되어 있지만, 콘텐츠별 라이선스 조건은 서로 다릅니다.
Weather Lab을 통해 실험적인 WeatherNext 예보를 직접 확인할 수 있으므로 전체 모델을 다운로드할 필요는 없습니다. 연구자는 GitHub에서 제공하는 WeatherNext Cyclones Mini를 무료 Colab의 단일 TPU runtime에서 실행할 수도 있습니다. 다만 이러한 예보는 해당 지역 기상기관의 공식 경보를 대체할 수 없으며, 태풍 대피와 재난 대응 판단은 반드시 공식 정보를 기준으로 해야 합니다.