OlmoEarth v1.3 공개: 128차원 위성 임베딩 모델, 전 지구 사전 계산 임베딩과 로그인 없는 탐색기
Allen AI가 2026년 10월 22일 자 블로그에서 공개한 바에 따르면, OlmoEarth v1.3은 Sentinel-1, Sentinel-2, Landsat의 연간 시계열을 읽어 각 10미터 픽셀마다 128차원 벡터를 생성하는 위성 임베딩 모델이며, 앞 64차원만 따로 사용할 수도 있다. 제공사는 128차원 임베딩이 27개 평가 중 20개에서 최고 점수를 기록했다고 밝혔으며, 전 지구 사전 계산 임베딩, 가중치, 사전 학습 데이터와 코드를 공개하고 OlmoEarth Artifact License를 적용했다.
주요 변화
Allen AI 블로그가 2026년 10월 22일 OlmoEarth v1.3 공개를 발표했다. 해당 블로그 설명에 따르면 이는 위성 임베딩 모델로, 1년치 레이더(Sentinel-1)와 다중분광(Sentinel-2 및 Landsat) 시계열을 읽어 지구상 모든 10미터 픽셀에 대해 128차원 벡터를 생성하며, 앞 64차원만 더 작은 임베딩으로 별도 사용할 수도 있다. 구조적으로 비전 트랜스포머가 위성 데이터를 읽고, Attention Pooler가 이를 토지 필지별 단일 벡터로 집계하며, 선형 계층이 128개 숫자로 압축한다. 제공사는 6개 대륙과 다양한 작업을 아우르는 27개 평가에서 128차원 임베딩이 20개 항목에서 최고 점수를, 64차원 버전이 18개 항목에서 선두를 기록했다고 밝혔으며, 비교 대상은 AlphaEarth Foundations(AEF)와 Tessera v2이고 열대 농업용 작물 유형 벤치마크 PLANTEUR도 함께 공개했다. 블로그는 모델 가중치, 사전 학습 데이터, 사전 학습 코드가 모두 공개되며 v1, v1.2와 동일한 OlmoEarth Artifact License를 따른다고 밝혔다. 공개와 함께 전 지구 사전 계산 연간 임베딩(10미터 해상도, 64차원 및 128차원), Source Cooperative에 호스팅된 데이터, 로그인이 필요 없는 브라우저 도구 OlmoEarth Embeddings Explorer도 제공된다. 블로그에 따르면 사전 학습된 OlmoEarth v1.3 Base의 마지막 실행에는 약 2,720달러의 H100 임대 시간이 필요했다. 임베딩 아카이브는 연간 약 150TB이며, 공개 시점 기준 2025, 2024, 2023년은 전 지구를 포괄하고 2017~2022년은 일부 국가만 포함한다.
개발자에게 미치는 영향
개발자 관점에서 이번 공개는 위성 데이터로 지도를 만드는 워크플로의 무게중심을 미세 조정에서 특징 재사용으로 옮긴다. 블로그는 그동안 OlmoEarth를 쓰는 주된 방식이 OlmoEarth Studio에서 작업별로 모델을 미세 조정하는 것이었고 GPU 접근 권한과 영상 다운로드·저장 능력이 필요했다고 명시하는데, 임베딩 모델은 위성 데이터를 바로 재사용 가능한 특징으로 압축해 분류기 학습을 가벼운 로컬 모델링 문제로 바꾼다. 자원이 제한된 팀에게는 Embeddings Explorer에서 소량의 라벨 포인트로 1차 분석을 먼저 수행하고 GPU 없이 미세 조정 연산 투입 여부를 결정할 수 있다는 의미다. 또 다른 영향은 데이터 접근성이다. 제공사는 전 지구를 포괄하는 사전 계산 임베딩을 공개하고, 각 20km 격자와 연도마다 모델이 읽은 Sentinel-1, Sentinel-2, Landsat 장면과 공공 카탈로그 링크를 나열한 출처 표가 있어 픽셀을 영상 출처까지 추적할 수 있다고 주장한다. 이는 자체 원격탐사 특징 파이프라인 구축의 진입 장벽을 낮추지만, 의존 지점을 공식 데이터 아카이브의 포괄 범위, 갱신 주기, 라이선스 조항으로 옮긴다. 학습 비용과 관련해 블로그는 v1.3의 계산 시간이 v1.2의 53%, v1의 18%이고 탄소 배출은 각각 50%, 22%라고 비교하며, 연구 및 파트너 라벨에서 v1.2와 비슷한 성능을 보인다고 밝혔다. 이 수치들은 모델 제공사의 자체 서술이며 제3자 재현 검증은 아직 이뤄지지 않았다.
연동 및 평가 제안
개발자가 도입 여부를 정하기 전에 다음 조건으로 구분해 판단할 것을 권한다. 첫 번째 결정은 해당 작업이 로컬 미세 조정 조건을 갖추었는지에 관한 것이다. 블로그는 v1.3이 강력한 미세 조정 모델이기도 하며 연구 및 파트너 라벨에서 v1.2와 비슷한 성능을 보인다고 밝혔는데, 이는 제공사 자체 서술이다. 과거 라벨 데이터가 있고 작업 전용 정확도가 필요하다면 동일한 검증 라벨 집합을 고정한 뒤 v1.3 임베딩에 소형 분류기를 붙인 결과와 기존 v1.2 기준선을 비교하는 것이 좋다. 검증 집합에서 차이가 뚜렷하고 안정적일 때만 전체 미세 조정 절차에 투자할 가치가 있다. 측정 가능한 평가 기준은 동일 검증 집합의 분류 정확도 또는 평균 교집합 대 합집합(IoU), 그리고 목표 정확도에 도달하는 데 필요한 라벨 수다. 두 번째 결정은 임베딩 생성을 직접 해야 하는지에 관한 것이다. 제공사는 전 지구 사전 계산 64차원 및 128차원 임베딩을 이미 제공하지만, 블로그에 따르면 2025, 2024, 2023년은 전 지구를 포괄하고 2017~2022년은 일부 국가만 포함한다. 연구 기간이 포괄 범위를 벗어나거나 사용자 정의 날짜, 모달리티, 해상도가 필요하면 OlmoEarth Studio나 블로그가 언급한 튜토리얼을 이용해 자체 연산 자원으로 임베딩을 생성해야 한다. 이 경우 소규모 지역에서 먼저 종단 간 시험 실행을 하고, 공식 임베딩의 벡터 차원과 출처 기록을 재현할 수 있는지를 합격 기준으로 삼는 것이 좋다. 세 번째 결정은 라이선스와 배포에 관한 것이다. 블로그는 모든 가중치, 데이터, 코드가 v1, v1.2와 동일한 OlmoEarth Artifact License로 공개된다고 밝혔다. 이 명칭은 흔한 OSI 방식 오픈소스 라이선스가 아니므로, 가중치를 재배포하거나 임베딩 산출물을 상용 제품에 쓰기 전에 라이선스 조항을 하나씩 읽고 재배포 및 상용 범위를 확인해야 하며, '가중치 공개'만으로 권리 범위를 추론해서는 안 된다. 이상은 출처 정보에 기반한 조건부 권고이며 검증된 결론이 아니다.
제한과 확인할 사항
먼저 분명히 해야 할 점은 OlmoEarth v1.3이 현재 KimiSeek의 실시간 모델 카탈로그에 존재하지 않는다는 것이다. 이 항목의 모든 모델 성능, 데이터, 도구 설명은 Allen AI 블로그에서 나온 것으로 KimiSeek 플랫폼에서의 사용 가능성과는 무관하다. 출처의 평가 결론(27개 평가 중 20개 최고 점수, AEF 및 Tessera v2와의 비교)과 효율 수치(계산 시간이 v1.2의 53%, v1의 18%)는 모두 제공사 자체 서술이며 이 브리핑은 독립적 재현을 하지 않았다. 블로그는 모델 가중치, 사전 학습 데이터, 코드가 '모두 공개'된다고 밝혔지만 라이선스는 OlmoEarth Artifact License로 표준 OSI 오픈소스 라이선스가 아니며, 구체적 권리 범위는 라이선스 원문을 기준으로 해야 한다. 사전 계산된 2017~2022년 임베딩은 일부 국가만 포함하므로 연구 지역이 포괄 범위 밖이면 임베딩을 직접 생성해야 하고, 블로그가 언급한 자체 구축 경로는 해당 튜토리얼과 로컬 연산 자원에 의존한다. 약 2,720달러의 H100 임대 비용은 마지막 사전 학습 실행의 추정치일 뿐 데이터 준비, 저장, 디버깅 비용을 포함하지 않으며 하드웨어 임대 가격은 시간에 따라 변하므로 예산 기준으로 삼기 어렵다. Embeddings Explorer의 '몇 초 만에 결과'와 'GPU 불필요' 설명은 공식 도구에 기반한 것이며 실제 속도는 네트워크와 데이터 다운로드에 영향을 받아 환경 차이에 따라 경험이 달라질 수 있다.
원문 보도의 이미지
