Ai2 выпускает OlmoEarth V1.3 с глобальными спутниковыми эмбеддингами с разрешением 10 м

22 октября 2026 года Allen Institute for AI выпустил OlmoEarth v1.3 — открытую модель спутниковых эмбеддингов, к которой прилагаются предварительно рассчитанные годовые эмбеддинги всей планеты с разрешением 10 м и доступный в браузере обозреватель OlmoEarth Embeddings Explorer, не требующий входа в систему.

В релиз вошли базовая модель OlmoEarth v1.3, предварительно рассчитанные глобальные эмбеддинги размерностью 128 и 64, обозреватель и технический отчет. Все материалы распространяются по лицензии OlmoEarth Artifact License, применявшейся для OlmoEarth v1 и v1.2. Раньше для работы с OlmoEarth требовалось дообучать модель в OlmoEarth Studio, для чего был необходим доступ к графическому процессору и локальное хранилище изображений; модели эмбеддингов вместо этого сжимают спутниковые данные в готовые к использованию признаки, пригодные для множества задач.

Согласно карточке модели, OlmoEarth-v1_3-Base — базовая модель ViT-Base со 128 миллионами параметров для дистанционного зондирования по снимкам и временным рядам изображений Sentinel-1, Sentinel-2 и Landsat. В ее состав также входят Perceiver с 14,3 миллиона параметров и линейная модель-ученик с 0,1 миллиона параметров, преобразующая токены размерностью 768 в векторы размерностью 128; в карточке указано, что именно эта модель, включая модель-ученика, создала глобальные годовые эмбеддинги OlmoEarth.

Как модель создает эмбеддинги

OlmoEarth v1.3 обрабатывает годовые временные ряды радиолокационных данных Sentinel-1 и мультиспектральных данных Sentinel-2 и Landsat и создает вектор размерностью 128 для каждого пикселя Земли размером 10 м; первые 64 измерения также можно использовать отдельно как эмбеддинг меньшего размера. Спутниковые данные обрабатывает визуальный трансформер, модуль Attention Pooler объединяет выходные токены в один вектор для каждого участка суши, а линейный слой сокращает этот вектор до 128 чисел. В техническом отчете описан метод дистилляции по типу Matryoshka: модель-ученик представляет собой единственный линейный слой, который обучается совместно с базовой моделью за один и тот же прямой проход; согласно отчету, благодаря этому дистилляция практически ничего не стоит.

В отчете указано, что запуск визуального трансформера и модуля Attention Pooler с разрешением кодировщика 20 м и выходным разрешением 10 м обходится в 7,7 раза дешевле, чем запуск трансформера с разрешением 10 м: 308 против 2 378 GMACs на окно. Для обучения использовались те же данные и методика, что и для OlmoEarth v1.2: наблюдения Sentinel-1, Sentinel-2 и Landsat-8, а также картографические целевые данные, например WorldCover, WorldCereal, SRTM и OpenStreetMap. Применялся оптимизатор AdamW с размером пакета 512; обучение составило 667 200 шагов.

Результаты тестирования и набор данных PLANTEUR

По данным Ai2, эмбеддинги v1.3 сравнивали с AlphaEarth Foundations и Tessera v2 в ходе 27 тестов на шести континентах. Эмбеддинги размерностью 128 показали наилучший результат в 20 из 27 тестов, а версия размерностью 64 заняла первое место в 18 из 27. В техническом отчете говорится, что эмбеддинги размерностью 128 превзошли обе базовые модели на 7 из 8 наборов данных AEF (исключением стала Эфиопия, где Tessera v2 показала лучший результат, чем OlmoEarth v1.3), а также немного опередили Tessera v2 на наборе данных PASTIS для классификации типов сельскохозяйственных культур: 58,6 против 58,3 mIoU.

Одновременно с выпуском Ai2 представил PLANTEUR — тестовый набор для классификации типов сельскохозяйственных культур в тропическом земледелии, созданный на основе разметки из заморских территорий Франции: Мартиники, Реюньона, Французской Гвианы, Гваделупы и Майотты. При тестировании с исключением одного острова модель проверяют на одном острове, обучая классификаторы на остальных; по данным Ai2, эмбеддинги v1.3 лучше всего переносятся на территории, с которыми классификатор ранее не сталкивался. Согласно отчету, для эмбеддингов размерностью 128 показатель mIoU при такой проверке составил 24,9 против 19,1 у Tessera v2 и 15,8 у AlphaEarth Foundations.

Ai2 также характеризует v1.3 как эффективную модель для дообучения, которая по результатам на исследовательских и партнерских наборах разметки не уступает v1.2. Согласно отчету, средний ранг v1.3 при дообучении среди всех оценивавшихся моделей и задач составил 4,34: это ниже, чем у OlmoEarth v1.2 Base (4,02), но выше, чем у OlmoEarth v1 Base (4,74).

Стоимость обучения и воздействие на окружающую среду

По оценке Ai2, OlmoEarth v1.3 — самая дешевая в обучении модель семейства OlmoEarth: на нее потребовалось 53% вычислительного времени, необходимого для v1.2, и 18% времени для v1; выбросы углерода составили соответственно 50% и 22% от показателей этих моделей. Ai2 оценивает стоимость повторного проведения предварительного обучения OlmoEarth v1.3 Base примерно в 2 720 долларов за аренду H100 на заключительный запуск.

В таблице отчета о воздействии на окружающую среду для предварительного обучения OlmoEarth v1.3 Base указаны 539 часов работы графических процессоров H100, 161 кВт·ч и 0,07 т CO2-экв. Для сравнения, показатели OlmoEarth v1.2 Base составляют 1 012 часов работы графических процессоров и 0,14 т CO2-экв., а OlmoEarth v1 Base — 2 989 часов и 0,32 т CO2-экв. Расчет самих эмбеддингов требует значительно больше ресурсов: по оценке отчета, создание глобальных эмбеддингов за один год занимает около 14 000 часов работы H100 — примерно в 26 раз больше, чем предварительное обучение.

Глобальный архив, обозреватель и лицензирование

В архиве, на основе которого работает обозреватель, хранятся эмбеддинги с разрешением 10 м; их объем составляет примерно 150 ТБ в год. Архив охватывает сушу и прилегающие прибрежные воды. На момент запуска глобальное покрытие доступно для 2025, 2024 и 2023 годов, а данные за 2017–2022 годы охватывают отдельные страны; работа над расширением покрытия продолжается. Согласно отчету, полный набор данных за 2017–2025 годы занимает значительно больше петабайта, охватывает территорию от 59,5° южной широты до 83,6° северной широты и не включает Антарктиду. В отчете также указано, что при обработке данных с помощью Searchlight удалось устранить артефакты разбиения на фрагменты в опубликованных эмбеддингах.

Эмбеддинги размещены на Source Cooperative в хранилище Zarr, которое можно напрямую читать из объектного хранилища с помощью любого клиента Zarr — без ключа API и сервера тайлов. В открытых таблицах происхождения данных, выпущенных в формате GeoParquet, перечислены сцены Sentinel-1, Sentinel-2 и Landsat, использованные для каждого тайла размером 20 километров и каждого года; согласно отчету, за 2025 год зарегистрировано около 450 000 окон, 21 миллион записей мозаики и 730 000 сцен.

В Explorer эмбеддинги отображаются на карте планеты в псевдоцветах. Пользователи могут переключаться между годами, просматривать исходные изображения Sentinel-2, нажимать на карту, чтобы находить похожие места, обучать небольшой классификатор на нескольких размеченных точках и экспортировать результат в формате GeoTIFF — учетная запись не требуется. В качестве примера такого подхода в публикации Ai2 приводится незаконная добыча золота в перуанском регионе Мадре-де-Дьос: в ней говорится, что добыча в окрестностях Ла-Пампы достигла пика в 2017 и 2018 годах, а операция Перу «Меркурий» остановила большую ее часть в феврале 2019 года; сравнение эмбеддингов за периоды 2017–2020 и 2020–2025 годов показывает, как ранее распространялась добыча и как продолжались изменения в старой зоне разработок. В публикации также отмечается, что в августе 2026 года Перу вновь направило военно-морские патрули в заповедник после того, как прокуроры установили, что добыча добралась до самой Тамбопаты.

Для задач, требующих выбрать конкретный временной интервал, OlmoEarth Studio запускает ту же модель для дат, модальностей и разрешения, заданных пользователем; в руководстве показано, как создавать эмбеддинги на собственных вычислительных ресурсах. В техническом отчете указано, что лицензия OlmoEarth Artifact License ограничивает использование модели в военных целях, в целях обороны и в добывающих отраслях; в карточке модели добавлено, что она предназначена для использования в соответствии с Руководством Ai2 по ответственному использованию.