Ai2 lanza OlmoEarth V1.3 con representaciones vectoriales satelitales globales de 10 m

El Allen Institute for AI lanzó OlmoEarth v1.3 el 22 de octubre de 2026: un modelo abierto de representaciones vectoriales satelitales, acompañado de representaciones anuales precomputadas para todo el planeta con una resolución de 10 metros y de OlmoEarth Embeddings Explorer, una herramienta basada en navegador que no requiere iniciar sesión.

El lanzamiento incluye el modelo OlmoEarth v1.3 Base, representaciones vectoriales globales precomputadas en versiones de 128 y 64 dimensiones, Explorer y un informe técnico, todos bajo la licencia OlmoEarth Artifact License, utilizada para OlmoEarth v1 y v1.2. Hasta ahora, usar OlmoEarth implicaba ajustar el modelo en OlmoEarth Studio, lo que requería acceso a GPU y almacenamiento local de imágenes; en cambio, los modelos de representaciones vectoriales comprimen los datos satelitales en características listas para usar y reutilizables en muchas tareas.

Según su ficha del modelo, OlmoEarth-v1_3-Base es un modelo fundacional ViT-Base con 128 millones de parámetros para la teledetección mediante imágenes o series temporales de imágenes de Sentinel-1, Sentinel-2 y Landsat. También incluye un Perceiver de 14,3 millones de parámetros y un modelo lineal reducido de 0,1 millones de parámetros que proyecta tokens de 768 dimensiones en 128 dimensiones; la ficha señala que este modelo, incluido el modelo reducido, generó las representaciones vectoriales anualizadas globales de OlmoEarth.

Cómo genera el modelo las representaciones vectoriales

OlmoEarth v1.3 procesa un año de datos de radar de Sentinel-1 y series temporales multiespectrales de Sentinel-2 y Landsat, y genera un vector de 128 dimensiones para cada píxel de 10 metros de la Tierra; las primeras 64 dimensiones también pueden utilizarse por sí solas como una representación vectorial más pequeña. Un transformador de visión procesa los datos satelitales, un Attention Pooler agrupa los tokens de salida en un vector por cada parcela de terreno y una capa lineal reduce ese vector a 128 números. El informe técnico describe una destilación de tipo Matryoshka cuyo modelo reducido es una única capa lineal, entrenada conjuntamente con la red troncal en la misma pasada hacia delante; según el informe, esto hace que la destilación sea prácticamente gratuita.

El informe señala que ejecutar el transformador de visión y Attention Pooler con una resolución de codificación de 20 metros y una salida de 10 metros cuesta 7,7 veces menos que ejecutar el transformador con una resolución de 10 metros: 308 frente a 2.378 GMAC por ventana. El entrenamiento utilizó los mismos datos y la misma receta que OlmoEarth v1.2: observaciones de Sentinel-1, Sentinel-2 y Landsat-8, con objetivos cartográficos como WorldCover, WorldCereal, SRTM y OpenStreetMap; se usó el optimizador AdamW con un tamaño de lote de 512 durante 667.200 pasos.

Resultados de las evaluaciones comparativas y conjunto de datos PLANTEUR

Ai2 informa que evaluó las representaciones vectoriales de v1.3 frente a AlphaEarth Foundations y Tessera v2 en 27 evaluaciones que abarcaron seis continentes; las representaciones de 128 dimensiones obtuvieron la puntuación más alta en 20 de las 27 evaluaciones, y la versión de 64 dimensiones lideró en 18 de las 27. El informe técnico indica que las representaciones de 128 dimensiones superaron a ambas referencias en 7 de los 8 conjuntos de datos AEF (la excepción fue Etiopía, donde Tessera v2 superó a OlmoEarth v1.3) y superaron ligeramente a Tessera v2 en el conjunto de datos de tipos de cultivo PASTIS: 58,6 frente a 58,3 mIoU.

Con el lanzamiento, Ai2 presentó PLANTEUR, una evaluación comparativa de tipos de cultivo para la agricultura tropical basada en etiquetas de los territorios franceses de ultramar: Martinica, Reunión, Guayana Francesa, Guadalupe y Mayotte. Su configuración de exclusión de una isla cada vez evalúa el rendimiento en una isla cuando los clasificadores se entrenan con datos de las demás, y Ai2 afirma que las representaciones vectoriales de v1.3 se generalizan mejor a lugares que el clasificador nunca ha visto. El informe registra un valor de 24,9 mIoU para las representaciones de 128 dimensiones en esa evaluación con exclusión de una isla cada vez, frente a 19,1 para Tessera v2 y 15,8 para AlphaEarth Foundations.

Ai2 también describe v1.3 como un modelo sólido para el ajuste fino, cuyo rendimiento iguala al de v1.2 en las etiquetas de investigación y de socios; el informe asigna a v1.3 un rango medio de ajuste fino de 4,34 entre todos los modelos y tareas evaluados, por detrás de OlmoEarth v1.2 Base, con 4,02, y por delante de OlmoEarth v1 Base, con 4,74.

Coste del entrenamiento e impacto ambiental

Ai2 describe OlmoEarth v1.3 como el modelo OlmoEarth más barato de entrenar: requiere el 53 % del tiempo de cómputo de v1.2 y el 18 % del de v1, y genera el 50 % y el 22 % de sus emisiones de carbono, respectivamente. Ai2 calcula que reproducir el preentrenamiento de OlmoEarth v1.3 Base costaría aproximadamente 2.720 dólares en tiempo alquilado de H100 para la ejecución final.

La tabla de impacto ambiental del informe indica que el preentrenamiento de OlmoEarth v1.3 Base requirió 539 horas de GPU H100, 161 kWh y 0,07 tCO2eq, frente a 1.012 horas de GPU y 0,14 tCO2eq para v1.2 Base, y 2.989 horas de GPU y 0,32 tCO2eq para v1 Base. El cálculo de las propias representaciones vectoriales requiere mucho más: el informe estima que generar un año de representaciones vectoriales globales demanda aproximadamente 14.000 horas de H100, unas 26 veces el coste del preentrenamiento.

Archivo global, Explorer y licencias

El archivo que alimenta Explorer contiene representaciones vectoriales con una resolución de 10 metros, aproximadamente 150 TB por año, que abarcan tierra y aguas costeras adyacentes. Al lanzamiento, los años 2025, 2024 y 2023 cuentan con cobertura global, mientras que de 2017 a 2022 se cubren países seleccionados y se está ampliando la cobertura. El informe calcula que el conjunto de datos completo de 2017 a 2025 supera ampliamente el petabyte, abarca desde los 59,5 grados de latitud sur hasta los 83,6 grados de latitud norte y excluye la Antártida; además, señala que la inferencia de Searchlight eliminó los artefactos de teselado de las representaciones vectoriales publicadas.

Los embeddings están alojados en Source Cooperative como un almacén Zarr que puede leerse directamente desde el almacenamiento de objetos con cualquier cliente Zarr, sin necesidad de una clave de API ni de un servidor de mosaicos. Las tablas de procedencia abiertas, publicadas en formato GeoParquet, enumeran las escenas de Sentinel-1, Sentinel-2 y Landsat que corresponden a cada mosaico de 20 kilómetros y año; para 2025, el informe registra aproximadamente 450.000 ventanas, 21 millones de entradas de mosaicos y 730.000 escenas.

El Explorador muestra los embeddings como un mapa del planeta en falso color. Los usuarios pueden cambiar de un año a otro, consultar las imágenes subyacentes de Sentinel-2, hacer clic en una ubicación para encontrar lugares similares, entrenar un clasificador pequeño con un puñado de puntos etiquetados y exportar el resultado como GeoTIFF, sin necesidad de crear una cuenta. El anuncio de Ai2 ilustra el enfoque con la minería ilegal de oro en la región peruana de Madre de Dios: la publicación indica que la minería en los alrededores de La Pampa alcanzó su punto máximo en 2017 y 2018, y que la Operación Mercurio de Perú acabó con la mayor parte en febrero de 2019; también señala que las comparaciones de embeddings entre 2017–2020 y 2020–2025 muestran la expansión inicial y los cambios que continuaron en la antigua zona minera. La publicación añade que Perú volvió a enviar patrullas de la Marina a la reserva en agosto de 2026, después de que los fiscales descubrieran que la minería se había extendido hasta la propia Tambopata.

Para los trabajos que requieren un intervalo temporal específico, OlmoEarth Studio ejecuta el mismo modelo con fechas, modalidades y resoluciones elegidas por el usuario, y un tutorial muestra cómo generar embeddings con los propios recursos informáticos. El informe técnico indica que la licencia OlmoEarth Artifact License restringe el uso en aplicaciones militares, relacionadas con la defensa y de industrias extractivas; la ficha del modelo añade que este está destinado a utilizarse de conformidad con las Responsible Use Guidelines de Ai2.