WindBorne telah membawa akurasi prakiraan cuaca ke tingkat yang baru dengan model AI-nya, WeatherMesh-2 (WM-2), yang mengungguli model yang ada dalam memprediksi indikator cuaca utama. Kemampuan canggih WM-2 memungkinkannya memberikan prakiraan yang 8% hingga 24% lebih akurat dalam jangka waktu yang sama dibandingkan pesaing seperti Global Forecasting Service dan GraphCast milik Google DeepMind. Kemampuan model ini meluas ke periode prakiraan yang lebih panjang, sehingga mempertahankan keunggulan akurasinya.

Model WM-2 milik perusahaan diperbarui empat kali sehari dan menyediakan prakiraan cuaca global terperinci yang mencakup berbagai kondisi atmosfer. Dengan memanfaatkan data dari balon WindBorne, model ini menyediakan prakiraan cuaca global 0,25 derajat untuk periode lebih dari dua minggu. Hasil kinerja terkini dari Maret hingga Mei 2024 menyoroti akurasi prakiraan WM-2 yang unggul untuk suhu, geopotensial, dan angin dibandingkan dengan model terkemuka lainnya.

Pendekatan inovatif WindBorne terhadap asimilasi data dan pembelajaran mesin memainkan peran penting dalam meningkatkan akurasi prakiraan cuaca WM-2. Dengan mengintegrasikan data atmosfer waktu nyata dari balon udara global dan mengoptimalkan waktu yang dihabiskan di ruang laten model, perusahaan tersebut secara signifikan meningkatkan kemampuan model untuk memprediksi cuaca dalam jangka waktu yang lama. Kemajuan teknologi ini didukung oleh arsitektur pelatihan yang secara efisien memanfaatkan memori CPU dan GPU untuk memungkinkan pemrosesan data yang kompleks.

Seiring dengan berkembangnya kehadiran WindBorne di kancah internasional, perusahaan tersebut telah memperluas basis pelanggannya hingga mencakup kemitraan di Asia dan Amerika Serikat, serta telah mendirikan lokasi peluncuran balon di seluruh dunia. Model WM-2 kini juga menyediakan prakiraan lokal beresolusi tinggi, dan kecepatan operasinya menjadi tolok ukur industri baru, menghasilkan prakiraan komprehensif hanya dalam hitungan detik. Tim pembelajaran mesin dan AI WindBorne yang berdedikasi terus berkembang, dengan fokus pada peningkatan resolusi prakiraan dan perpanjangan waktu tunggu prediktif model tersebut.