Ai2 udostępnia OlmoEarth V1.3 z globalnymi satelitarnymi wektorami osadzeń o rozdzielczości 10 m

Allen Institute for AI udostępnił OlmoEarth v1.3 22 października 2026 r. To otwarty model generujący satelitarne wektory osadzeń, któremu towarzyszą wstępnie obliczone roczne wektory obejmujące całą planetę i mające rozdzielczość 10 m, a także przeglądarkowe narzędzie OlmoEarth Embeddings Explorer, z którego można korzystać bez logowania.

W ramach wydania udostępniono model OlmoEarth v1.3 Base, wstępnie obliczone globalne wektory osadzeń w wersjach 128- i 64-wymiarowych, narzędzie Explorer oraz raport techniczny. Wszystkie te elementy objęto licencją OlmoEarth Artifact License, stosowaną w OlmoEarth v1 i v1.2. Wcześniej korzystanie z OlmoEarth wymagało dostrajania w OlmoEarth Studio, co wiązało się z koniecznością dostępu do procesora graficznego i lokalnego przechowywania zobrazowań. Modele generujące wektory osadzeń kompresują natomiast dane satelitarne do gotowych do użycia cech, które można ponownie wykorzystywać w wielu zadaniach.

Jak podano w karcie modelu, OlmoEarth-v1_3-Base to bazowy model ViT-Base z 128 milionami parametrów, przeznaczony do teledetekcji na podstawie obrazów lub szeregów czasowych obrazów z satelitów Sentinel-1, Sentinel-2 i Landsat. Model obejmuje także moduł Perceiver z 14,3 miliona parametrów oraz liniowy model uczniowski z 0,1 miliona parametrów, który przekształca tokeny o 768 wymiarach w reprezentacje 128-wymiarowe. W karcie podano, że ten model, wraz z modelem uczniowskim, wygenerował roczne wektory osadzeń OlmoEarth dla całego globu.

Jak model generuje wektory osadzeń

OlmoEarth v1.3 przetwarza roczne szeregi czasowe danych radarowych Sentinel-1 oraz wielospektralnych danych Sentinel-2 i Landsat, a następnie generuje jeden 128-wymiarowy wektor dla każdego piksela o rozdzielczości 10 m na Ziemi; pierwszych 64 wymiarów można używać samodzielnie jako mniejszego wektora osadzenia. Transformer wizyjny przetwarza dane satelitarne, moduł agregujący z mechanizmem uwagi łączy tokeny wyjściowe w jeden wektor dla każdego fragmentu lądu, a warstwa liniowa redukuje ten wektor do 128 liczb. W raporcie technicznym opisano destylację w stylu Matryoshka, w której model uczniowski jest pojedynczą warstwą liniową trenowaną wspólnie z siecią bazową w tym samym przebiegu w przód. Według raportu sprawia to, że destylacja praktycznie nic nie kosztuje.

W raporcie podano, że uruchamianie transformera wizyjnego i modułu agregującego z mechanizmem uwagi przy rozdzielczości kodera 20 m i wyjściowej rozdzielczości 10 m jest 7,7 razy tańsze niż uruchamianie transformera przy rozdzielczości 10 m: 308 zamiast 2378 GMAC na okno. Do trenowania wykorzystano te same dane i procedurę co w OlmoEarth v1.2: obserwacje z satelitów Sentinel-1, Sentinel-2 i Landsat-8 oraz dane referencyjne z map, takie jak WorldCover, WorldCereal, SRTM i OpenStreetMap. Zastosowano optymalizator AdamW, rozmiar partii 512 i 667 200 kroków.

Wyniki testów porównawczych i zbiór danych PLANTEUR

Ai2 informuje, że wektory osadzeń v1.3 porównano z AlphaEarth Foundations i Tessera v2 w ramach 27 testów obejmujących sześć kontynentów. Wersja 128-wymiarowa uzyskała najwyższy wynik w 20 z 27 testów, a wersja 64-wymiarowa — w 18 z 27. Według raportu technicznego wektory 128-wymiarowe przewyższyły oba modele bazowe w 7 z 8 zbiorów danych AEF; wyjątkiem była Etiopia, gdzie Tessera v2 uzyskała lepszy wynik niż OlmoEarth v1.3. Wektorom tym udało się też nieznacznie przewyższyć Tessera v2 na zbiorze danych PASTIS dotyczącym typów upraw: 58,6 wobec 58,3 mIoU.

Wraz z wydaniem Ai2 wprowadziło PLANTEUR — test porównawczy typów upraw w rolnictwie tropikalnym, oparty na etykietach z terytoriów zamorskich Francji: Martyniki, Reunionu, Gujany Francuskiej, Gwadelupy i Majotty. Zastosowany w nim schemat polegający na pominięciu jednej wyspy sprawdza skuteczność na wyspie, której danych nie użyto podczas trenowania klasyfikatorów — do treningu wykorzystuje się dane z pozostałych wysp. Ai2 twierdzi, że wektory osadzeń v1.3 najlepiej uogólniają się na miejsca, których klasyfikator wcześniej nie widział. W raporcie odnotowano wynik 24,9 mIoU dla wektorów 128-wymiarowych w tym teście, wobec 19,1 dla Tessera v2 i 15,8 dla AlphaEarth Foundations.

Ai2 opisuje również v1.3 jako model dobrze nadający się do dostrajania, który dorównuje v1.2 pod względem wyników uzyskiwanych na etykietach badawczych i partnerskich. Według raportu średnia pozycja v1.3 w rankingu wszystkich ocenianych modeli i zadań po dostrojeniu wyniosła 4,34; wyżej uplasowały się OlmoEarth v1.2 Base z wynikiem 4,02, a niżej OlmoEarth v1 Base z wynikiem 4,74.

Koszty trenowania i wpływ na środowisko

Ai2 opisuje OlmoEarth v1.3 jako najtańszy w trenowaniu model z rodziny OlmoEarth: wymaga on 53% czasu obliczeniowego potrzebnego dla v1.2 i 18% czasu potrzebnego dla v1, a jego emisje dwutlenku węgla wynoszą odpowiednio 50% i 22% emisji tych modeli. Ai2 szacuje, że odtworzenie wstępnego trenowania OlmoEarth v1.3 Base kosztowałoby około 2720 USD za czas pracy wynajętych procesorów H100 podczas końcowego przebiegu.

W tabeli wpływu na środowisko zamieszczonej w raporcie podano, że wstępne trenowanie OlmoEarth v1.3 Base wymagało 539 godzin pracy procesorów GPU H100, zużyło 161 kWh energii i wiązało się z emisją 0,07 tCO2eq. Dla porównania, w przypadku v1.2 Base było to 1012 godzin pracy procesorów GPU i 0,14 tCO2eq, a w przypadku v1 Base — 2989 godzin pracy procesorów GPU i 0,32 tCO2eq. Samo obliczenie wektorów osadzeń wymaga znacznie więcej zasobów: według szacunków z raportu wygenerowanie globalnych wektorów za jeden rok zajmuje około 14 000 godzin pracy procesorów H100, czyli mniej więcej 26 razy więcej niż wstępne trenowanie modelu.

Globalne archiwum, narzędzie Explorer i licencjonowanie

Archiwum obsługujące narzędzie Explorer zawiera wektory osadzeń o rozdzielczości 10 m, zajmujące około 150 TB na każdy rok i obejmujące lądy oraz przyległe wody przybrzeżne. W chwili uruchomienia globalny zasięg obejmowały lata 2025, 2024 i 2023, natomiast dane z lat 2017–2022 dotyczyły wybranych państw; prace nad rozszerzeniem zasięgu wciąż trwają. Według raportu cały zbiór danych z lat 2017–2025 zajmuje znacznie ponad petabajt, obejmuje obszar od 59,5 stopnia szerokości geograficznej południowej do 83,6 stopnia szerokości geograficznej północnej i nie uwzględnia Antarktydy. W raporcie podano również, że podczas wnioskowania z użyciem Searchlight usunięto artefakty kafelkowania z udostępnionych wektorów osadzeń.

Embeddingi są udostępniane w Source Cooperative jako magazyn Zarr, który można odczytywać bezpośrednio z pamięci obiektowej za pomocą dowolnego klienta Zarr, bez klucza API ani serwera kafelków. Opublikowane otwarte tabele dotyczące pochodzenia danych, zapisane w formacie GeoParquet, wymieniają sceny Sentinel-1, Sentinel-2 i Landsat wykorzystane przy tworzeniu każdego kafelka o boku 20 kilometrów dla danego roku; według raportu w 2025 roku obejmowały one około 450 000 okien, 21 milionów wpisów w mozaice i 730 000 scen.

Explorer przedstawia embeddingi w postaci mapy planety w barwach nienaturalnych. Użytkownicy mogą przełączać się między latami, wyświetlać obrazy źródłowe z satelity Sentinel-2, kliknąć lokalizację, aby znaleźć podobne miejsca, wytrenować niewielki klasyfikator na podstawie kilku oznaczonych punktów i wyeksportować wynik jako GeoTIFF — bez konieczności zakładania konta. W ogłoszeniu Ai2 zilustrowano to podejście przykładem nielegalnego wydobycia złota w regionie Madre de Dios w Peru: według wpisu wydobycie w okolicach La Pampa osiągnęło szczyt w 2017 i 2018 roku, a peruwiańska operacja Mercurio doprowadziła do zamknięcia większości kopalń w lutym 2019 roku. Porównanie embeddingów z okresów 2017–2020 i 2020–2025 pokazuje wcześniejszy zasięg wydobycia oraz dalsze zmiany na obszarze dawnej strefy wydobywczej. Wpis dodaje, że w sierpniu 2026 roku Peru ponownie wysłało patrole marynarki wojennej do rezerwatu po tym, jak prokuratorzy ustalili, że wydobycie wkroczyło na teren samego Tambopaty.

W przypadku zadań wymagających danych z określonego przedziału czasu OlmoEarth Studio uruchamia ten sam model dla dat, rodzajów danych i rozdzielczości wybranych przez użytkownika. W samouczku pokazano, jak generować embeddingi na własnej infrastrukturze obliczeniowej. Raport techniczny stwierdza, że licencja OlmoEarth Artifact License ogranicza wykorzystanie modelu do celów wojskowych, związanych z obronnością oraz zastosowań w przemyśle wydobywczym; w karcie modelu dodano, że model jest przeznaczony do użytku zgodnego z wytycznymi Ai2 dotyczącymi odpowiedzialnego wykorzystania.