Ai2 lança OlmoEarth v1.3 com embeddings de satélite para o planeta inteiro

O OlmoEarth v1.3 muda a forma de usar o modelo da Ai2. Até agora, o caminho principal era o fine-tuning no OlmoEarth Studio: um modelo treinado por tarefa, rodando sobre imagens de satélite, com GPU e armazenamento das imagens. Agora há embeddings prontos. O modelo lê um ano de séries temporais de radar (Sentinel-1) e de imagens multiespectrais (Sentinel-2 e Landsat) e gera um vetor de 128 dimensões por pixel de 10 metros. As primeiras 64 dimensões funcionam sozinhas como versão menor.

Na arquitetura, um vision transformer lê os dados, um Attention Pooler agrega tudo em um vetor por trecho de terreno e uma camada linear reduz o resultado a 128 números. A Ai2 comparou com AlphaEarth Foundations e Tessera v2 em 27 avaliações. A versão de 128 dimensões lidera em 20 e a de 64 em 18. Esses são números da própria Ai2, publicados junto com o relatório técnico. O arquivo tem cerca de 150 TB por ano. 2023, 2024 e 2025 são globais, e 2017 a 2022 cobrem países selecionados. Pesos, dados e código de pré-treinamento são abertos, sob a OlmoEarth Artifact License. Reproduzir o pré-treinamento do v1.3 Base custaria cerca de US$ 2.720 em H100 alugada na execução final. O modelo consumiu 53% do tempo de computação da v1.2 e 18% da v1, e iguala a v1.2 em fine-tuning.

Em 24 de abril de 2026, o CEVIU noticiou "Exportação de Embeddings OlmoEarth": a Ai2 havia incluído no OlmoEarth Studio a exportação de embeddings para tarefas como busca e segmentação. Em 20 de maio de 2026, em "OlmoEarth v1.1: Uma família de modelos mais eficiente que otimiza mapeamento planetário", o foco era cortar custo de compute em até 3X mantendo o desempenho. Agora o v1.3 leva essas duas linhas adiante: os embeddings deixam de ser gerados sob demanda no Studio e passam a existir pré-computados para o planeta, e a eficiência de treino continua caindo (53% do tempo da v1.2).

Para quem trabalha com sensoriamento remoto, isso significa que muitos casos de uso passam a ser um classificador pequeno sobre features prontas, rodando local, sem baixar imagens nem alugar GPU. A comparação com AlphaEarth e Tessera v2 vem da própria Ai2, então vale reproduzir nas suas tarefas antes de migrar. O fine-tuning continua útil, mas os embeddings ajudam a decidir se ele compensa.