OlmoEarth v1.3：全球顶尖嵌入技术

10月22日，艾伦人工智能研究所（Ai2）在HuggingFace博客上发布了OlmoEarth v1.3，这是一个号称达到当前最优水平的卫星嵌入模型。与模型一同放出的，还有覆盖全球的年度预计算嵌入数据（10米分辨率，提供64维和128维两个版本），以及一个基于浏览器的地图探索工具OlmoEarth Embeddings Explorer。用户无需登录、也不需要任何专业技术背景，就能直接上手使用，从追踪地表随时间的变化到寻找相似地点，都可以在这个工具里完成。 要理解这次发布的意义，得先看此前OlmoEarth的使用门槛。过去，用OlmoEarth的主要方式是在OlmoEarth Studio里做微调：针对每一个具体任务训练一个模型，再让它跑一遍卫星影像生成地图。这套流程要求用户有GPU资源，还得能下载和存储海量影像数据，对个人开发者和小团队来说并不友好。嵌入模型改变了这个逻辑——它把卫星数据压缩成可直接复用的特征，一次计算、处处复用。OlmoEarth v1.3读取一整年的雷达（Sentinel-1）和多光谱（Sentinel-2、Landsat）卫星时间序列，为地球上每个10米像素生成一个128维向量，前64维也可以单独作为轻量嵌入使用。Ai2已经把全球嵌入算好并放在Source Cooperative上共享，这样一来，做作物地图、土地覆盖图或变化分析就变成了轻量级建模问题：在嵌入之上训练一个小分类器，本地就能跑。 性能方面，Ai2在27项评测中把OlmoEarth v1.3与AlphaEarth Foundations（AEF）和Tessera v2做了对比，覆盖六大洲和多种任务。128维版本在27项评测中拿下20项最高分，综合排名第一；64维版本体积减半，仍在18项评测中领先。评测过程中，团队还推出了PLANTEUR——一个面向热带农业的新作物类型基准，嵌入在分类器从未见过的地方泛化表现最好。实际应用场景包括肯尼亚小农户作物分类、达卡以西砖窑检测、印尼火灾损失评估，以及秘鲁亚马逊金矿开采追踪。值得一提的是，v1.3还是OlmoEarth系列训练成本最低的版本，计算时间仅为上一版v1.2的53%、初代v1的18%，碳排放分别为两者的50%和22%，同时在研究和合作方标注数据上的微调表现与v1.2持平。模型权重、预训练数据和预训练代码全部开源，若要复现，预训练OlmoEarth v1.3 Base的最终运行大约需要2720美元的H100租用算力。