🤗模型| 📄技术报告| 📊数据| 💻代码| 🌎嵌入浏览器| 🗺️交互式故事
今天，我们发布 OlmoEarth v1.3，一个最先进的卫星嵌入模型。与 OlmoEarth v1.3 一同发布的，还有覆盖整个星球的预计算年度嵌入（10 m，64 维和 128 维），以及一个全新的基于浏览器的工具，用于基于这些嵌入探索和自定义地图——OlmoEarth 嵌入浏览器。这意味着任何人都可以立即将 OlmoEarth v1.3 投入使用，从追踪随时间的变化到寻找相似地点——无需登录，也无需高级技术知识。
到目前为止，使用 OlmoEarth 的主要方式是在 OlmoEarth Studio 中进行微调：为每个任务训练一个模型，并在卫星影像上运行以生成地图。这需要 GPU 访问权限，以及下载和存储影像的能力。嵌入模型将卫星数据压缩为可直接使用的特征，这些特征可以低成本地复用于许多任务。
借助 OlmoEarth v1.3，我们很高兴能为用户提供更多方式，以最适合自己的方式探索和接触行星级数据产物。
一次计算，处处复用
嵌入表示模型从数百万张图像中学到的内容。OlmoEarth v1.3 读取一年的雷达（Sentinel-1）和多光谱（Sentinel-2 和 Landsat）卫星时间序列，并为地球上每个 10 米像素生成一个 128 维向量；前 64 维也可以单独作为更小的嵌入使用。
基础模型和全球嵌入的生产成本很高，为了确保每个人都能获得其益处，我们为整个星球计算了这些嵌入，并在Source Cooperative上与社区共享。在此基础上，作物地图、土地覆盖地图或变化分析就变成了一个轻量级的建模问题：在其上训练一个小型分类器并在本地运行。
OlmoEarth v1.3 如何生成嵌入：视觉 transformer 读取卫星数据，Attention Pooler 将其池化为每块土地一个向量，线性层将其降为 128 个数字。
最先进的嵌入
我们在 27 项评估中，将 OlmoEarth v1.3 的嵌入与 AlphaEarth Foundations (AEF) 和 Tessera v2 进行了对比，覆盖六大洲和许多不同任务。OlmoEarth 的 128 维嵌入在 27 项评估中的 20 项得分最高，总体排名第一。64 维版本规模减半，仍在 27 项评估中的 18 项领先。作为本次评估的一部分，我们引入了PLANTEUR，一个面向热带农业的新作物类型基准测试，并且这些嵌入对分类器从未见过的地方泛化效果最好（PLANTEUR 技术报告可在此获取此处）。它们背后的一切完全开放：模型权重、预训练数据和预训练代码。
在实践中，这意味着一个在 OlmoEarth 嵌入上训练的小型分类器就足以绘制地面上的情况：比如对肯尼亚的小农户作物进行分类、检测达卡以西的砖窑、评估印度尼西亚的火灾损失，以及追踪秘鲁亚马逊地区的金矿开采。
与之前几代 OlmoEarth 模型相比，OlmoEarth v1.3 也是我们训练成本最低的模型。它消耗的计算时间是我们上一版本（v1.2）的 53%、第一版（v1）的 18%，碳排放分别为 50% 和 22%。它同时仍是一个强大的微调模型，在研究和合作伙伴标签上与 v1.2 的性能相当。我们的最新模型建立在与早期 OlmoEarth 版本相同的基础之上，经过调优使嵌入保持轻量，同时不牺牲跨任务的准确性，而这种效率工作将延续到未来的版本中。
完整结果和方法论见我们的技术报告。
如果你想复现它，预训练 OlmoEarth v1.3 Base 的最终运行大约需要花费 2,720 美元的租用 H100 时间。权重、数据和代码全部开放。
一个地方，九年
每个像素的嵌入在 2017 年至 2020 年（左）和 2020 年至 2025 年（右）之间的变化程度。品红色表示变化最大。左：采矿向东南扩展，即右下方的大片区域。右：那个角落已经沉寂；变化现在位于西侧较老的采矿区，部分是植被恢复，部分是重新开挖。你可以在OlmoEarth Embeddings Explorer 中自行探索。
在秘鲁的马德雷德迪奥斯地区，拉潘帕周边的非法金矿开采在 2017 年和 2018 年达到顶峰，在坦博帕塔国家保护区缓冲区清除了超过 1200 公顷的森林，根据 Amazon Conservation 的 MAAP 监测项目。2019 年 2 月，秘鲁的“水星行动”取缔了其中大部分。自那以后，问题一直是：它是否真的被遏制住了？
嵌入向量有助于回答这个问题。比较每个像素的向量在不同年份间的变化，无需模型训练，2017 年到 2020 年的对比在矿区向东南扩散的地方亮了起来。对 2020 年到 2025 年做同样的比较，信号发生了转移。执法行动在嵌入向量中清晰可见。
更有意思的是第二张图仍然显示的内容。它并不暗。根据MAAP，西北部的零星矿点仍在运营，而随着土地恢复，旧矿区也在不断变化。嵌入向量同样记录到了这一点。喘息是短暂的，压力正在再次积聚。2026 年 8 月，美联社报道称，在检察官发现采矿已越界进入坦博帕塔保护区本身之后，秘鲁重新向保护区派遣了海军巡逻队。
我们的互动报道从马德雷德迪奥斯的这一段展开，并由此延伸讲述其他几个例子。
OlmoEarth 嵌入向量浏览器
这个OlmoEarth 嵌入向量浏览器是一个基于嵌入向量本身构建的交互式分析工具，以地球的伪彩色地图形式呈现。可以任意平移，在年份之间切换以查看景观如何变化，并调出底层的 Sentinel-2 影像来对照地图与真实情况。然后开始提问：点击一个地点以找到其他相似的地方，或标注几个点并当场训练一个小型分类器，再将结果导出为 GeoTIFF。无需账号，无需配置。
对许多团队来说，用 OlmoEarth 验证一个想法意味着要跑一次微调，耗时以小时计。而在浏览器中，第一轮尝试只需几秒。你可以仅凭少量标注分析整个区域，无需 GPU。当任务确实需要微调时，嵌入向量可以帮助你判断它是否值得这些算力，以及模型在哪些地方存在不足。
Explorer 背后的档案库保存着 10 米分辨率的嵌入向量，每年约 150 TB，覆盖陆地和相邻的沿海水域。发布时，2025、2024 和 2023 年是全球范围，2017 至 2022 年覆盖部分国家，后续还会有更多覆盖。你可以获取完整的 128 维版本或更轻量的 64 维版本嵌入向量。每个嵌入向量还附带一份来源记录。对于每个 20 公里瓦片和年份，开放溯源表列出了模型读取的 Sentinel-1、Sentinel-2 和 Landsat 场景，并附有托管这些场景的公共目录链接，因此你可以将任何像素追溯到其背后的影像。
开始使用
本次发布包括 OlmoEarth v1.3 Base 模型、预计算的全球嵌入向量、OlmoEarth Embeddings Explorer 和技术报告。如果你的工作需要特定的时间窗口，OlmoEarth Studio 会在你选择的日期、模态和分辨率上运行同一模型，并且一个教程展示了如何在你自己的算力上生成嵌入向量。这些工具协同工作：在 Embeddings Explorer 中探索，当任务需要时在 Studio 中微调，然后从那里继续你的地图工作。所有内容均根据 OlmoEarth Artifact License 发布，与 v1 和 v1.2 采用相同的开放许可证。
拉取你关心之地的嵌入向量，向它们提出你的问题，并向我们展示你的发现。