WeatherNext 2: Google DeepMind का AI मॉडल WeatherBot में आ रहा है

हम WeatherBot के इतिहास में सबसे बड़े पूर्वानुमान-सटीकता उन्नयन पर काम शुरू कर रहे हैं: Google DeepMind का WeatherNext 2 एकीकृत करना सीधे ट्रेडिंग इंजन में। यदि हम इसे सफल बनाते हैं, तो यह हमारे बॉट द्वारा पता लगाए गए प्रत्येक एज की गुणवत्ता को मूलभूत रूप से बदल देगा — और इसलिए वह जो प्रत्येक ट्रेड रखता है उसके अपेक्षित परिणाम को।

यह पोस्ट बताती है कि WeatherNext 2 क्यों मायने रखता है, यह आज हम जिस पारंपरिक NOAA GFS मॉडल पर निर्भर हैं उसकी तुलना में कैसा है, यह एकीकरण वास्तव में कितना कठिन है, और लाइव होने के बाद मंच के ट्रेडिंग वॉल्यूम के अनुसार पहुँच को कैसे नियंत्रित किया जाएगा।

WeatherNext 2 क्या है?

WeatherNext 2 अब तक का सबसे उन्नत पूर्वानुमान मॉडल है जिसे Google DeepMind ने जारी किया है। 2025 के अंत में अनावरण किया गया और पहले से ही Google Search, Gemini, Pixel Weather, और Google Maps को सशक्त कर रहा है, यह वैश्विक स्तर पर मौसम पूर्वानुमान में पीढ़ीगत छलाँग का प्रतिनिधित्व करता है।

वातावरण को नियंत्रित करने वाले भौतिकी समीकरणों को हल करने के बजाय — NOAA GFS, ECMWF मॉडल और हर पारंपरिक सिस्टम ने दशकों से जिस दृष्टिकोण का उपयोग किया है — WeatherNext 2 दशकों के ऐतिहासिक डेटा से सीधे वायुमंडलीय व्यवहार सीखता है। यह एक बिल्कुल नई आर्किटेक्चर पर बना है जिसे कहा जाता है फ़ंक्शनल जनरेटिव नेटवर्क (FGN), जो सीधे मॉडल में नियंत्रित शोर डालता है ताकि यह जो हर पूर्वानुमान उत्पन्न करता है वह भौतिक रूप से सुसंगत और चर के बीच आंतरिक रूप से सुसंगत बना रहे।

यह NOAA GFS से अधिक सटीक क्यों है

NOAA का Global Forecast System एक असाधारण इंजीनियरिंग है — लेकिन इसे डीप लर्निंग से पहले के युग में डिज़ाइन किया गया था, और भौतिकी-आधारित मॉडलिंग की सीमाएँ वर्षों से स्पष्ट हैं। एक कारण है कि ECMWF ने ऐतिहासिक रूप से GFS से लगभग पूरे एक दिन की पूर्वानुमान कुशलता में बेहतर प्रदर्शन किया है, और क्यों लगभग हर प्रमुख मौसम प्रदाता ने चुपचाप अपने पारंपरिक स्टैक के ऊपर AI लगाना शुरू किया है।

यहाँ WeatherNext 2 विशेष रूप से उन प्रकार के अल्प से मध्यम अवधि के तापमान पूर्वानुमानों पर GFS से आगे निकलता है जो Polymarket वेदर अनुबंधों को चलाते हैं:

• सीखे गए वायुमंडलीय पैटर्न बनाम हल किए गए समीकरण — GFS वायुमंडल को एक ग्रिड में डिस्क्रीटाइज़ करके और प्रत्येक टाइमस्टेप पर Navier-Stokes हल करके अनुमानित करता है। ये अनुमान समय के साथ बढ़ते हैं। WeatherNext 2 ने ERA5 पुनर्विश्लेषण डेटा से वायुमंडल का पूर्ण नॉनलीनियर व्यवहार सीखा है, इसलिए यह उसी वर्ग की संख्यात्मक त्रुटि जमा नहीं करता।
• नेटिव प्रोबेबिलिस्टिक आउटपुट — GFS आपको प्रति रन एक पूर्वानुमान देता है। वितरण प्राप्त करने के लिए आपको GEFS (एन्सेम्बल) चाहिए, जो लागत और विलंबता जोड़ता है। WeatherNext 2 पूर्ण वितरण नेटिव रूप से आउटपुट करता है, इसलिए हम वास्तविक संभावना देखते हैं कि एक शहर 14°C तक पहुँचता है, सिर्फ एक बिंदु अनुमान नहीं जिसे हमें खुद बायेसियन रूप से लपेटना पड़े।
• उच्च प्रभावी रिज़ॉल्यूशन — WeatherNext 2 घंटे-दर-घंटे वैश्विक पूर्वानुमान तैयार करता है। GFS हमारी ट्रेडिंग रेंज के लिए 3-घंटे के आउटपुट के साथ 13km क्षैतिज रिज़ॉल्यूशन पर परिचालन रूप से चलता है। शहर-विशिष्ट दैनिक-अधिकतम और दैनिक-न्यूनतम कॉन्ट्रैक्ट्स के लिए, वह अतिरिक्त समय ग्रैन्युलैरिटी एक वास्तविक एज है।
• टेल्स पर बेहतर — DeepMind के बेंचमार्क कम-संभावना, उच्च-प्रभाव वाली घटनाओं पर सबसे बड़ी बढ़त दिखाते हैं: कोल्ड स्नैप्स, हीट डोम्स, तूफान। ये बिल्कुल वही बाजार हैं जहाँ गलत-कीमत वाली पूंछ रहती है और जहाँ से हमारे सबसे बड़े ट्रेड आते हैं।
• भौतिक रूप से सुसंगत एन्सेम्बल — FGN आर्किटेक्चर का मतलब है कि एनसेम्बल में हर परिदृश्य आंतरिक रूप से सुसंगत है (एक हवादार परिदृश्य में मेल खाने वाला दबाव ग्रेडिएंट भी होता है)। यही प्रायिकताओं को मूल्य निर्धारण के लिए उपयोग योग्य बनाता है।

Polymarket के अधिकांश मौसम बाज़ारों का गठन करने वाले 0-3 दिन क्षितिजों के लिए, स्वतंत्र मूल्यांकन आधुनिक AI मॉडलों को ECMWF के प्रमुख IFS के समान स्तर पर — और अक्सर उससे आगे — रखते हैं, जो स्वयं GFS से सार्थक रूप से आगे है। लगभग अनुवाद: 48 घंटे के निशान पर दैनिक अधिकतम तापमान पर कुछ दसवें डिग्री का RMSE, और दुर्लभ घटनाओं पर ध्यान देने योग्य रूप से कड़ी कैलिब्रेशन।

यह ट्रेड के परिणाम को क्यों बदलता है

WeatherBot की पूरी एज एक यांत्रिक चरण से आती है: तापमान बकेट की वास्तविक संभावना का अनुमान Polymarket बाज़ार की कीमत से अधिक सटीकता से लगाना। डाउनस्ट्रीम सब कुछ — Claude का YES/NO निर्णय, Kelly साइज़िंग, एग्ज़िट लॉजिक, ट्रेलिंग स्टॉप — सब उसी संभावना अनुमान से चलता है।

आज हम GFS, ECMWF, UKMO, और NWS को एन्सेम्बल करते हैं, NCEI ऐतिहासिक जलवायुविज्ञान के साथ बायेसियन-ब्लेंड करते हैं, और संभावना तक पहुँचने के लिए पूर्वानुमान-त्रुटि वितरण पर सामान्य CDF लागू करते हैं। यह काम करता है। लेकिन यह मूल रूप से अंतर्निहित मॉडलों की सटीकता से सीमित है।

उस संभावना अनुमान को WeatherNext 2 के साथ प्राथमिक संकेत के रूप में बदलने के बहुत ठोस प्रभाव हैं:

• तीव्र एज पहचान। पूर्वानुमान RMSE में आधा डिग्री का सुधार सीमारेखा वाले बाजारों पर 1-3% अधिक पता लगाने योग्य एज में सीधे अनुवाद होता है जो वर्तमान में हमारी 2% सीमा द्वारा फ़िल्टर किए जाते हैं। अधिक संकेत Claude तक पहुँचते हैं।
• बेहतर कैलिब्रेशन। जब हम कहते हैं "YES की 78% संभावना," तो इसे एक बड़े नमूने पर वास्तव में 78% पर सुलझना चाहिए। WeatherNext 2 का नेटिव प्रोबेबिलिस्टिक आउटपुट किसी भी निर्धारक मॉडल से संश्लेषित किसी भी चीज़ की तुलना में काफ़ी बेहतर कैलिब्रेटेड है।
• विनाशकारी टेल ट्रेड कम। दुर्लभ घटनाओं पर मॉडल का मजबूत प्रदर्शन इसका मतलब है कि हम मोटी पूँछों की गलत कीमत कम बार लगाते हैं — ऐतिहासिक रूप से अप्रत्याशित नुकसानों की हमारी सबसे बड़ी श्रेणी।
• मॉडल टर्नअराउंड तेज़। हमारा वर्तमान पूर्वानुमान-फ़ेच चक्र रेट-सीमित मुफ्त वेदर APIs की लेटेंसी से बँधा है। WeatherNext 2 को Google Cloud के Vertex AI के माध्यम से चलाने का मतलब है कि हम पूर्वानुमानों को उनकी नहीं, बल्कि अपनी समय-सारिणी पर रिफ्रेश कर सकते हैं।

यह कठिन समस्या क्यों है

हम स्पष्ट रूप से कहना चाहते हैं: यह v2 के इन्फ्रास्ट्रक्चर माइग्रेशन के बाद से हमारे द्वारा लिया गया सबसे कठिन इंजीनियरिंग कार्य है। "एक नया मॉडल प्लग इन करना" कभी भी उतना सरल नहीं होता जितना लगता है, और विशेष रूप से WeatherNext 2 में कई तीखे किनारे हैं।

अपेक्षित सटीकता सुधार

DeepMind के प्रकाशित बेंचमार्क और हमारे आंतरिक मॉडलिंग के आधार पर कि कैसे पूर्वानुमान त्रुटि हमारे एज कैलकुलेटर के माध्यम से प्रसारित होती है, यहाँ है जहाँ हम WeatherBot के प्रदर्शन की उम्मीद करते हैं कि एकीकरण आने पर वह कहाँ जाएगा:

पहुँच: वफादार उपयोगकर्ताओं के लिए वॉल्यूम-गेटेड

हमें यहाँ अर्थशास्त्र के बारे में ईमानदार होने की आवश्यकता है। Vertex AI के माध्यम से WeatherNext 2 इन्फ़रेंस मुफ्त नहीं है, और इन्फ्रास्ट्रक्चर का काम महत्वपूर्ण इंजीनियरिंग निवेश का प्रतिनिधित्व करता है। हम इसे पहले दिन सभी को नहीं दे सकते — और सच कहूँ तो, हम चाहते भी नहीं। जिन उपयोगकर्ताओं ने वास्तव में WeatherBot को आज जो है उसमें बनाया है, उन्हें यह पहले मिलना चाहिए।

जब WeatherNext 2 लॉन्च होगा, तो एक्सेस होगा प्लेटफ़ॉर्म पर ट्रेडिंग वॉल्यूम के अनुसार सीमित। आपका संचयी ट्रेडिंग वॉल्यूम — हर USDC डॉलर जो आपने WeatherBot के माध्यम से Polymarket मार्केट्स में लगाया है — वह मुद्रा बन जाता है जो अपग्रेडेड इंजन को अनलॉक करती है। आपने जितना अधिक ट्रेड किया है, उतनी जल्दी और गहरी आपकी पहुंच है।

निष्पक्षता पर एक त्वरित नोट: वॉल्यूम टियर आपकी प्लेटफ़ॉर्म पर ट्रेडिंग गतिविधि से गणना किए जाते हैं, आपके वॉलेट के आकार से नहीं। एक छोटे बैंकरोल वाला उपयोगकर्ता लेकिन जो बॉट को लगातार ट्रेड करने देता है, वह बड़ा बैलेंस जमा करके निष्क्रिय छोड़ देने वाले की तुलना में तेज़ी से टियर चढ़ेगा। यह जानबूझकर है — हम उन लोगों को पुरस्कृत करना चाहते हैं जो वास्तव में WeatherBot का उपयोग वैसे करते हैं जैसे यह डिज़ाइन किया गया है।

समय-रेखा

सटीक तिथियों पर कोई वादे नहीं — यह गंभीर इंजीनियरिंग है, और हम इसे उत्पादन में जल्दबाजी नहीं करने वाले हैं। लेकिन यहाँ ईमानदार रोडमैप है:

• अभी: Google Cloud खाता प्रोविजन किया गया, Vertex AI प्रारंभिक एक्सेस का अनुरोध किया गया, ऐतिहासिक डेटा के विरुद्ध शैडो-मोड प्रोटोटाइप का निर्माण किया जा रहा है।
• अगले कुछ हफ़्ते: प्रायिकता समूहों को संभालने के लिए edge इंजन का रिफ़ैक्टर। मौजूदा इंजन के साथ समानांतर लॉगिंग।
• अगले हफ़्ते: उत्पादन में शैडो रन — हर बाजार के लिए WeatherNext 2 भविष्यवाणियाँ लॉग की गईं, वास्तविक रिज़ॉल्यूशन के साथ तुलना की गई, यहाँ प्रकाशित कैलिब्रेशन रिपोर्ट के साथ।
• बेंचमार्क पास होने के बाद: Tier 1 उपयोगकर्ताओं के लिए क्लोज़्ड अल्फ़ा। इंजीनियरिंग टीम के साथ फ़ीडबैक लूप। अंतिम ट्यूनिंग।
• अल्फा के बाद: Tier 2 के बाद Tier 3 के माध्यम से चरणबद्ध रोलआउट।