OlmoEarth v1.3 公開：128次元の衛星埋め込みモデル、全球事前計算埋め込みとログイン不要の探索ツール
Allen AI が 2026 年 10 月 22 日に公開したブログによると、OlmoEarth v1.3 は衛星埋め込みモデルであり、Sentinel-1、Sentinel-2、Landsat の年間時系列データを読み取り、各 10 メートルピクセルに対して 128 次元ベクトルを生成する。最初の 64 次元は単独でも使用可能とされている。公式には、その 128 次元埋め込みが 27 項目の評価のうち 20 項目で最高スコアを記録したとされ、全球の事前計算埋め込み、重み、事前学習データ、コードが公開され、OlmoEarth Artifact License が採用されている。
主な変更
Allen AI のブログは 2026 年 10 月 22 日に OlmoEarth v1.3 のリリースを発表した。このブログによれば、これは衛星埋め込みモデルであり、1 年分のレーダー（Sentinel-1）およびマルチスペクトル（Sentinel-2 と Landsat）の時系列データを読み取り、地球上の各 10 メートルピクセルに対して 128 次元ベクトルを生成する。そのうち最初の 64 次元はより小さな埋め込みとして単独でも使用できる。アーキテクチャとしては、Vision Transformer が衛星データを読み取り、Attention Pooler が土地ごとに単一のベクトルへ集約し、線形層が 128 個の数値に圧縮する。公式には、6 大陸にわたる多様なタスクをカバーする 27 項目の評価において、128 次元埋め込みが 20 項目で最高スコアを記録し、64 次元版は 18 項目で先行したとされている。比較対象は AlphaEarth Foundations（AEF）と Tessera v2 であり、同時に熱帯農業向けの作物タイプベンチマーク PLANTEUR も導入された。ブログは、モデルの重み、事前学習データ、事前学習コードがすべてオープンであり、v1 および v1.2 と同じ OlmoEarth Artifact License を採用していると述べている。リリースとともに提供されるものには、全球の事前計算された年間埋め込み（10 メートル解像度、64 次元および 128 次元）、Source Cooperative 上でホストされるデータ、ログイン不要のブラウザツール OlmoEarth Embeddings Explorer がある。ブログによれば、事前学習済み OlmoEarth v1.3 Base の最後の実行には約 2,720 ドル相当の H100 レンタル時間が必要とされる。埋め込みアーカイブは年間約 150 TB で、公開時点では 2025 年、2024 年、2023 年が全球をカバーし、2017 年から 2022 年は一部の国のみをカバーしている。
開発者への影響
開発者の観点から見ると、今回のリリースは「衛星データで地図を作る」ワークフローの重心を、ファインチューニングから特徴量の再利用へと前倒しするものである。ブログは、これまで OlmoEarth の主な使い方は OlmoEarth Studio でタスクごとにモデルをファインチューニングすることであり、GPU へのアクセス権と画像をダウンロード・保存する能力が必要だったと明記している。一方、埋め込みモデルの位置づけは、衛星データを直接再利用可能な特徴量に圧縮することであり、分類器の訓練は軽量なローカルモデリングの問題になる。リソースが限られたチームにとっては、まず Embeddings Explorer で少数のアノテーション点を使って最初の分析を行い、GPU を必要とせず、その後ファインチューニング計算に投資する価値があるかどうかを判断できることを意味する。もう一つの影響はデータの入手可能性である。公式は地球全体をカバーする事前計算埋め込みを公開し、各 20 キロメートルグリッドと年ごとに来歴表があり、モデルが読み取った Sentinel-1、Sentinel-2、Landsat のシーンと公開カタログへのリンクを列挙しているため、ピクセルを画像ソースまで追跡できると主張している。これは自前のリモートセンシング特徴量パイプラインを構築する障壁を下げるが、依存先を公式データアーカイブのカバレッジ、更新頻度、ライセンス条件へと移すことにもなる。訓練コストについて、ブログは比較として v1.3 の計算時間が v1.2 の 53%、v1 の 18% であり、炭素排出量はそれぞれ 50% と 22% である一方、研究およびパートナーラベルにおいて v1.2 と同等の性能を示すと述べている。これらの数値はモデル提供者による自己申告であり、第三者による再現検証はまだ待たれる。
導入と評価の提案
開発者が採用を決める前に、以下の条件で区分して判断することを推奨する。第一の判断は、タスクがローカルファインチューニングの条件を備えているかどうかである。ブログによれば v1.3 は強力なファインチューニングモデルでもあり、研究およびパートナーラベルにおいて v1.2 と同等の性能を示す（これは提供者の自己申告である）。タスクに履歴アノテーションデータがあり、タスク固有の精度が必要な場合は、まず同一の検証ラベルセットを固定し、v1.3 埋め込みに小型分類器を組み合わせたものと既存の v1.2 ベースラインの性能を比較することを勧める。検証セットで差が明確かつ安定している場合にのみ、完全なファインチューニングプロセスに投資する価値がある。測定可能な評価基準は、同一検証セット上の分類精度または平均 IoU、および目標精度に到達するために必要なアノテーション数である。第二の判断は、埋め込み生成を自前で行う必要があるかどうかである。公式は全球の事前計算された 64 次元および 128 次元埋め込みを提供しているが、ブログによれば 2025 年、2024 年、2023 年は全球をカバーし、2017 年から 2022 年は一部の国のみをカバーしている。研究対象期間がカバレッジ外である場合、またはカスタムの日付、モダリティ、解像度が必要な場合は、OlmoEarth Studio またはブログで言及されたチュートリアルを使用して自分の計算資源で埋め込みを生成する必要がある。その際は、まず小領域でエンドツーエンドの試行を行い、公式埋め込みのベクトル次元と来歴記録を再現できるかどうかを検収基準とすべきである。第三の判断はライセンスと配布に関するものである。ブログによれば、すべての重み、データ、コードは v1 および v1.2 と同じ OlmoEarth Artifact License の下で公開されている。この名称は一般的な OSI 形式のオープンソースライセンスではないため、重みを再配布したり埋め込み成果物を商用製品に使用したりする前に、ライセンス条項を逐条確認し、再配布と商用利用の範囲を確認すべきであり、「重みが公開されている」ということだけで許諾範囲を推定してはならない。以上はすべてソース情報に基づく条件付きの推奨であり、検証済みの結論ではない。
制限と未確認事項
まず明確にすべき点として、OlmoEarth v1.3 は現在 KimiSeek のリアルタイムモデルカタログには掲載されていない。本項目のモデル能力、データ、ツールに関する記述はすべて Allen AI のブログに由来し、KimiSeek プラットフォームでの可用性とは無関係である。ソース中の評価結論（27 項目の評価のうち 20 項目で最高、AEF および Tessera v2 との比較）と効率の数値（計算時間が v1.2 の 53%、v1 の 18%）はすべて提供者の自己申告であり、本ブリーフは独立した再現を行っていない。ブログはモデルの重み、事前学習データ、コードが「すべてオープン」であると述べているが、ライセンスは OlmoEarth Artifact License であり、標準的な OSI オープンソースライセンスではない。具体的な権利範囲はライセンス原文に基づく必要がある。事前計算された 2017 年から 2022 年の埋め込みは一部の国のみをカバーしており、研究地域がカバレッジ外であれば埋め込みを自分で生成する必要があり、ブログで言及された自前構築の経路はそのチュートリアルとローカル計算資源に依存する。約 2,720 ドルの H100 レンタルコストは最後の事前学習実行の推定値に過ぎず、データ準備、ストレージ、デバッグのオーバーヘッドを含まず、ハードウェアのレンタル価格は時間とともに変動するため、予算の基準として適切ではない。Embeddings Explorer の「数秒で結果が出る」および「GPU 不要」という説明は公式ツールに基づくものであり、実際の速度はネットワークとデータダウンロードの影響を受け、環境の違いにより体験が異なる可能性がある。
元の報道の図版
