AllenAI 发布 OlmoEarth v1.3 并开放全球卫星嵌入向量与交互式探索工具

AllenAI 正式发布 OlmoEarth v1.3 卫星嵌入模型，同时向社区公开了覆盖全地球的年度预计算嵌入向量（10m 分辨率，含 64 维和 128 维两种规格），并推出了无需登录的浏览器端工具 OlmoEarth Embeddings Explorer。该模型基于 Transformer 架构读取 Sentinel-1、Sentinel-2 和 Landsat 卫星时间序列数据，在 27 项跨洲评测中表现优于 AlphaEarth Foundations 和 Tessera v2，其中 128 维版本在 20 项任务中排名第一。

此次发布的显著增量在于将原本依赖 GPU 微调的训练模式转化为轻量级推理模式：用户可直接利用预计算的嵌入向量进行变化检测或相似地物搜索，无需下载原始影像或进行大规模训练。技术细节显示，v1.3 的训练成本仅为上一代 v1.2 的 53%，碳排放减少至 50%，且所有权重、数据和代码均完全开源。此外，新推出的 Explorer 工具允许用户在浏览器中直接对比不同年份（如 2017-2020 与 2020-2025）的像素向量差异，通过可视化手段快速识别非法采矿等动态变化，将原本需要数小时微调的任务缩短至秒级响应。

这一发布标志着卫星 AI 应用从“重训练”向“重检索”的商业模式迁移，降低了行业进入门槛。事实层面，模型已支持 2023 至 2025 年的全球覆盖及部分历史数据；推断层面，这种低成本、高可复用的特征库可能加速农业监测、环境合规等领域的标准化应用；猜测层面，未来若缺乏新的标注数据，单纯依赖现有嵌入向量的泛化能力可能会遇到瓶颈，但目前的轻量化设计确实为边缘设备部署提供了可能性。