Подключаем WeatherNext 2 к движку

Мы начали то, что с большим отрывом является самым масштабным улучшением точности прогнозов, за которое мы когда-либо брались: интеграции WeatherNext 2 от Google DeepMind в вероятностное ядро StormBot. Если мы реализуем это чисто, это изменит базовое качество каждого преимущества, которое отмечает движок, — и, следовательно, ожидаемую отдачу каждого ордера, который мы маршрутизируем.

В остальной части этой заметки рассказывается, что такое WeatherNext 2 на самом деле, в чём он превосходит модель NOAA GFS, на которую мы полагаемся сегодня, почему интеграция сложнее, чем кажется, и как доступ будет распределяться по уровням в зависимости от объёма торгов на платформе после запуска.

Что такое WeatherNext 2?

WeatherNext 2 — самая продвинутая прогностическая модель, выпущенная Google DeepMind. Представленная в конце 2025 года и уже работающая в Google Search, Gemini, Pixel Weather и Google Maps, она представляет собой поколенческий скачок в глобальном прогнозировании погоды.

Вместо решения физических уравнений, описывающих атмосферу — подход, который NOAA GFS, модель ECMWF и все традиционные системы использовали десятилетиями — WeatherNext 2 учит поведение атмосферы непосредственно на десятилетиях исторических данных. Он построен на совершенно новой архитектуре под названием Функциональная генеративная сеть (FGN), который вводит контролируемый шум непосредственно в модель, так что каждый создаваемый прогноз остаётся физически согласованным и внутренне когерентным по переменным.

Почему он точнее, чем NOAA GFS

Global Forecast System NOAA — феноменальная инженерия, но был разработан до эпохи глубокого обучения, и пределы моделей на основе физики очевидны уже много лет. Есть причина, по которой ECMWF исторически опережает GFS примерно на полный день прогнозного навыка, и почему почти каждый крупный поставщик погоды тихо начал накладывать ИИ поверх своего традиционного стека.

Вот где WeatherNext 2 опережает GFS — именно в тех краткосрочных и среднесрочных прогнозах температуры, которые движут погодными контрактами Polymarket:

• Изученные атмосферные паттерны vs. решённые уравнения — GFS аппроксимирует атмосферу, дискретизируя её в сетку и решая Навье-Стокса на каждом временном шаге. Эти приближения накапливаются со временем. WeatherNext 2 выучил полное нелинейное поведение атмосферы из данных реанализа ERA5, поэтому не накапливает тот же класс численной ошибки.
• Нативный вероятностный вывод — GFS даёт один прогноз за прогон. Чтобы получить распределение, нужен GEFS (ансамбль), что добавляет стоимость и задержку. WeatherNext 2 нативно выдаёт полное распределение, и мы видим реальную вероятность того, что город достигнет 14°C, а не просто точечную оценку, которую нам приходится оборачивать байесовски самим.
• Более высокое эффективное разрешение — WeatherNext 2 создаёт почасовые глобальные прогнозы. GFS работает с горизонтальным разрешением 13 км и 3-часовым выводом для нашего торгового диапазона. Для контрактов на дневной максимум и дневной минимум по конкретным городам эта дополнительная временная детализация — настоящее преимущество.
• Лучше на хвостах — бенчмарки DeepMind показывают наибольшие выигрыши на событиях с низкой вероятностью и высоким воздействием: похолоданиях, тепловых куполах, штормах. Это именно те рынки, где живут неверно оценённые хвосты и откуда приходят наши крупнейшие сделки.
• Физически когерентные ансамбли — архитектура FGN означает, что каждый сценарий в ансамбле внутренне согласован (ветреный сценарий также имеет соответствующий градиент давления). Именно это делает вероятности пригодными для ценообразования.

Для горизонтов 0-3 дня, составляющих основную часть погодных рынков Polymarket, независимые оценки ставят современные ИИ-модели на тот же уровень — и часто впереди — флагманского IFS от ECMWF, который сам существенно впереди GFS. Приблизительно: несколько десятых градуса RMSE по дневному максимуму температуры на отметке 48 часов и заметно более точная калибровка на редких событиях.

Почему это меняет результат сделок

Всё преимущество StormBot исходит из одного механического шага: оценки истинной вероятности температурного диапазона точнее, чем её оценивает рынок Polymarket. Всё, что следует дальше — решение Claude YES/NO, определение размера по Келли, логика выхода, трейлинг-стопы — питается от этой оценки вероятности.

Сегодня мы объединяем GFS, ECMWF, UKMO и NWS, байесовски смешиваем их с исторической климатологией NCEI и применяем нормальную CDF к распределению ошибки прогноза, чтобы получить вероятность. Это работает. Но фундаментально ограничено точностью базовых моделей.

Замена этой оценки вероятности на WeatherNext 2 в качестве основного сигнала даёт очень конкретные эффекты:

• Более чёткое обнаружение перевеса. Полградуса улучшения RMSE прогноза напрямую переводится в 1-3% больше обнаруживаемого edge на пограничных рынках, которые сейчас отфильтровываются нашим порогом 2%. Больше сигналов достигает Claude.
• Лучшая калибровка. Когда мы говорим «78 % вероятность YES», это должно действительно сходиться к 78 % на большой выборке. Нативный вероятностный вывод WeatherNext 2 откалиброван заметно лучше, чем всё, что мы можем синтезировать из детерминированных моделей.
• Меньше катастрофических хвостовых сделок. Более сильная работа модели на редких событиях означает, что мы реже неверно оцениваем fat tails — исторически нашу крупнейшую категорию неожиданных убытков.
• Более быстрый цикл работы модели. Наш текущий цикл получения прогнозов ограничен задержкой бесплатных погодных API с лимитами на частоту запросов. Запуск WeatherNext 2 через Vertex AI Google Cloud означает, что мы можем обновлять прогнозы по своему расписанию, а не по их.

Почему это сложная задача

Мы хотим быть откровенными: это самая сложная инженерная работа, за которую мы взялись со времён миграции инфраструктуры v2. "Подключить новую модель" никогда не бывает так просто, как звучит, а у WeatherNext 2, в частности, есть ряд острых углов.

Ожидаемый прирост точности

На основе опубликованных бенчмарков DeepMind и нашего собственного внутреннего моделирования того, как ошибка прогноза распространяется через наш калькулятор преимущества, вот куда мы ожидаем сдвига производительности StormBot после внедрения интеграции:

Доступ: по объёму для лояльных пользователей

Нам нужно быть честными насчёт экономики здесь. Инференс WeatherNext 2 через Vertex AI не бесплатен, а работа над инфраструктурой представляет собой значительные инженерные вложения. Мы не можем дать его всем в первый же день — и, честно говоря, не хотим. Пользователи, которые на деле превратили StormBot в то, чем он является сегодня, должны быть теми, кто получит его первыми.

Когда выйдет WeatherNext 2, доступ будет зависит от объёма торгов на платформе. Ваш накопительный объём торгов — каждый доллар pUSD, который вы разместили через StormBot на рынки Polymarket, — становится валютой, открывающей обновлённый движок. Чем больше вы торговали, тем раньше и глубже ваш доступ.

Небольшое замечание о справедливости: уровни объёма рассчитываются на основе вашей торговой активности на платформе, а не размера вашего кошелька. Пользователь с меньшим банкроллом, но позволяющий боту торговать стабильно, поднимется по уровням быстрее, чем тот, кто вносит крупный баланс и оставляет его без дела. Это сделано намеренно — мы хотим вознаграждать тех, кто действительно использует StormBot так, как он задуман.

График

Никаких обещаний по точным датам — это серьёзная инженерная работа, и мы не собираемся торопить её в продакшен. Но вот честная дорожная карта:

• Сейчас: Учётная запись Google Cloud подготовлена, запрошен ранний доступ к Vertex AI, прототип shadow-mode строится на исторических данных.
• Ближайшие недели: Рефакторинг edge-движка для работы с вероятностными ансамблями. Параллельное логирование рядом с текущим движком.
• Следующие недели: Shadow run в продакшене — прогнозы WeatherNext 2 логируются для каждого рынка, сравниваются с фактическими разрешениями, отчёты о калибровке публикуются здесь.
• После прохождения бенчмарков: Закрытая альфа для пользователей Tier 1. Обратная связь с инженерной командой. Финальная настройка.
• После альфы: Поэтапное развёртывание через Tier 2, затем Tier 3.