Presentazione di OlmoEarth v1.3
Il 22 ottobre 2026 l’Allen Institute for AI (Ai2) ha annunciato il rilascio di OlmoEarth v1.3, un modello aperto per la generazione di rappresentazioni vettoriali satellitari. Il pacchetto comprende il modello base OlmoEarth v1.3 Base, versioni pre‑calcolate delle rappresentazioni a 128 e 64 dimensioni per l’intero globo, l’applicazione web OlmoEarth Embeddings Explorer e un rapporto tecnico, tutti distribuiti sotto la OlmoEarth Artifact License già usata per le versioni v1 e v1.2.
Fino a poco tempo fa l’utilizzo di OlmoEarth richiedeva il fine‑tuning in OlmoEarth Studio, con necessità di GPU locali e di scaricare le immagini satellitari. Con la nuova architettura, le rappresentazioni vettoriali compressi i dati grezzi in feature pronte all’uso, riutilizzabili in molteplici compiti di telerilevamento.
Architettura del modello
Secondo la scheda del modello, OlmoEarth‑v13‑Base è costruito su un Vision Transformer (ViT‑Base) con 128 milioni di parametri, addestrato su immagini radar Sentinel‑1, multispettrali Sentinel‑2 e Landsat. Il modello integra inoltre un Perceiver da 14,3 milioni di parametri e una piccola testa lineare di 0,1 milioni di parametri che proietta i token da 768 a 128 dimensioni.
Il processo di generazione delle embedding avviene così:
- Viene elaborato un anno intero di dati radar Sentinel‑1 e di serie temporali multispettrali Sentinel‑2/Landsat.
- Il Vision Transformer trasforma i dati in token.
- Un Attention Pooler aggrega i token per ogni pixel da 10 m, creando un vettore di 128 numeri.
- Una singola layer lineare riduce il vettore a 128 dimensioni; le prime 64 dimensioni possono essere usate separatamente come rappresentazione più compatta.
Il rapporto tecnico descrive una “distillazione Matryoshka”: la layer lineare ridotta è addestrata simultaneamente con la rete principale, rendendo la distillazione quasi gratuita in termini di calcolo.
Efficienza computazionale
L’articolo evidenzia che eseguire il Vision Transformer e l’Attention Pooler con una codifica a 20 m e un’uscita a 10 m costa 7,7 volte meno rispetto a una risoluzione nativa di 10 m: 308 GMAC per finestra contro 2 378 GMAC. L’addestramento ha seguito la stessa procedura di v1.2, usando osservazioni Sentinel‑1, Sentinel‑2 e Landsat‑8, con target cartografici quali WorldCover, WorldCereal, SRTM e OpenStreetMap. L’ottimizzatore AdamW è stato impiegato con batch size 512 per 667 200 step.
Valutazioni comparative
Ai2 ha confrontato le embedding di v1.3 con AlphaEarth Foundations e Tessera v2 in 27 benchmark distribuiti su sei continenti. I risultati più salienti:
- Le embedding a 128 dimensioni hanno ottenuto il punteggio più alto in 20 delle 27 valutazioni.
- Le versioni a 64 dimensioni hanno guidato in 18 valutazioni.
- Su 8 dataset AEF, le embedding a 128 dimensioni hanno superato entrambi i concorrenti in 7 casi (l’unica eccezione è l’Etiopia, dove Tessera v2 è risultata migliore).
- Nel dataset di tipi di coltura PASTIS, OlmoEarth v1.3 ha registrato 58,6 mIoU contro 58,3 mIoU di Tessera v2.
Il benchmark PLANTEUR
Con la versione v1.3 è stato introdotto PLANTEUR, una valutazione di tipi di coltura per l’agricoltura tropicale basata su etichette dei territori francesi d’oltremare: Martinica, Réunion, Guyana francese, Guadalupa e Mayotte. La metodologia “leave‑one‑island‑out” addestra il classificatore su quattro isole e lo testa sulla quinta. OlmoEarth v1.3 ha raggiunto 24,9 mIoU, superando Tessera v2 (19,1) e AlphaEarth Foundations (15,8), dimostrando una migliore capacità di generalizzazione su territori mai visti.
Fine‑tuning e versatilità
Ai2 descrive v1.3 come un modello robusto per il fine‑tuning, con prestazioni pari a v1.2 su etichette di ricerca e partner. Il rapporto assegna a v1.3 un punteggio medio di fine‑tuning di 4,34 (su tutti i modelli e task valutati), posizionandolo dietro OlmoEarth v1.2 Base (4,02) ma davanti a OlmoEarth v1 Base (4,74).
Costi di addestramento e impatto ambientale
OlmoEarth v1.3 è il modello più economico della famiglia:
- Richiede il 53 % del tempo di calcolo di v1.2 e il 18 % di v1.
- Produce il 50 % delle emissioni di carbonio di v1.2 e il 22 % di v1.
- Il costo stimato per replicare il pre‑training su GPU H100 è di circa 2 720 USD.
La tabella di impatto ambientale mostra:
- Pre‑training di v1.3 Base: 539 ore H100, 161 kWh, 0,07 tCO₂eq.
- v1.2 Base: 1 012 ore H100, 0,14 tCO₂eq.
- v1 Base: 2 989 ore H100, 0,32 tCO₂eq.
La generazione delle embedding vettoriali è più onerosa: si stima che produrre un anno di rappresentazioni globali richieda circa 14 000 ore H100, cioè 26 volte il costo del pre‑training.
Archiviazione globale, Explorer e licenze
L’archivio che alimenta l’Explorer contiene embedding a 10 m, per circa 150 TB all’anno, coprendo terre e acque costiere. Al lancio sono disponibili i dati completi per gli anni 2023‑2025; per il periodo 2017‑2022 la copertura è parziale ma in espansione. L’intero set 2017‑2025 supera il petabyte, si estende da 59,5° S a 83,6° N ed esclude l’Antartide. La pipeline Searchlight ha rimosso gli artefatti di tassellatura dalle embedding pubblicate.
Gli embedding sono ospitati su Source Cooperative in un archivio Zarr, leggibile direttamente da qualsiasi client Zarr senza chiave API né server di mosaici. Le tabelle di provenienza, pubblicate in formato GeoParquet, elencano le scene Sentinel‑1, Sentinel‑2 e Landsat associate a ciascuna finestra di 20 km e anno; per il 2025 si contano circa 450 000 finestre, 21 milioni di voci di mosaico e 730 000 scene.
OlmoEarth Embeddings Explorer
L’Explorer visualizza le embedding come una mappa a falsi colori del pianeta. Le funzionalità includono:
- Scelta dell’anno (2023‑2025 disponibili).
- Visualizzazione delle immagini Sentinel‑2 sottostanti.
- Click su una posizione per trovare aree simili.
- Addestramento di un piccolo classificatore con pochi punti etichettati.
- Esportazione del risultato in GeoTIFF.
- Nessuna registrazione o login richiesto.
L’annuncio mostra un caso di studio sulla miniera illegale d’oro nella regione peruviana di Madre de Dios. Le embedding evidenziano il picco di attività mineraria nel 2017‑2018, la chiusura dell’Operazione Mercurio nel febbraio 2019, e la successiva espansione fino a Tambopata nel 2026, quando le autorità hanno inviato nuovamente pattuglie navali.
Strumenti per applicazioni temporali specifiche
Per i progetti che richiedono intervalli temporali precisi, OlmoEarth Studio consente di eseguire lo stesso modello specificando date, modalità e risoluzioni desiderate, offrendo così flessibilità per analisi stagionali, monitoraggio di eventi estremi o studi longitudinali.
In sintesi, OlmoEarth v1.3 rappresenta un salto qualitativo nella disponibilità di rappresentazioni vettoriali satellitari pronte all’uso, combinando efficienza computazionale, ridotto impatto ambientale e prestazioni superiori su una vasta gamma di benchmark, il tutto reso accessibile tramite un’interfaccia web senza barriere di accesso.