OlmoEarth v1.3 发布：128 维卫星嵌入模型、全球预计算嵌入与无登录探索器
据 Allen AI 于 2026 年 10 月 22 日发布的博客，OlmoEarth v1.3 是一个卫星嵌入模型，读取 Sentinel-1、Sentinel-2 和 Landsat 年度时间序列，为每个 10 米像素生成 128 维向量，前 64 维可单独使用。官方称其 128 维嵌入在 27 项评测中 20 项得分最高，并公开全球预计算嵌入、权重、预训练数据和代码，采用 OlmoEarth Artifact License。
发生了什么
Allen AI 博客于 2026 年 10 月 22 日宣布发布 OlmoEarth v1.3。据该博客描述，这是一个卫星嵌入模型：它读取一年的雷达（Sentinel-1）和多光谱（Sentinel-2 与 Landsat）时间序列，为地球上每个 10 米像素生成一个 128 维向量，其中前 64 维也可以作为更小的嵌入单独使用。架构上，视觉 Transformer 读取卫星数据，Attention Pooler 汇总为每块土地的单个向量，线性层压缩为 128 个数字。官方称在覆盖六大洲、多种任务的 27 项评测中，128 维嵌入在 20 项得分最高，64 维版本在 18 项领先；对比对象为 AlphaEarth Foundations（AEF）和 Tessera v2，同时推出了面向热带农业的作物类型基准 PLANTEUR。博客表示模型权重、预训练数据和预训练代码全部开放，采用 OlmoEarth Artifact License，与 v1、v1.2 相同。与发布一同提供的还有全球预计算年度嵌入（10 米分辨率，64 维和 128 维）、托管在 Source Cooperative 的数据，以及无需登录的浏览器工具 OlmoEarth Embeddings Explorer。博客称预训练 OlmoEarth v1.3 Base 的最后一次运行约需 2,720 美元的 H100 租用时间；嵌入存档每年约 150 TB，发布时 2025、2024、2023 年为全球覆盖，2017 至 2022 年覆盖部分国家。
对开发者的影响
从开发者角度看，这次发布把“用卫星数据做地图”的工作流重心从微调前移到了特征复用。博客明确指出，此前使用 OlmoEarth 的主要方式是在 OlmoEarth Studio 中为每项任务微调模型，需要 GPU 访问权限以及下载和存储影像的能力；而嵌入模型的定位是把卫星数据压缩成可直接复用的特征，分类器训练因此变成一个轻量级的本地建模问题。对资源有限的团队，这意味着可以先在 Embeddings Explorer 中用少量标注点做第一遍分析，不需要 GPU，再决定是否值得投入微调算力。另一项影响是数据可获取性：官方公开了覆盖全星球的预计算嵌入，并声称每个 20 公里网格和年份都有溯源表，列出模型读取的 Sentinel-1、Sentinel-2 和 Landsat 场景及公共目录链接，使像素可以追溯到影像来源。这降低了自建遥感特征管线的门槛，但也把依赖面转移到了官方数据档案的覆盖范围、更新节奏与许可条款上。训练成本方面，博客比较称 v1.3 的计算时间是 v1.2 的 53%、v1 的 18%，碳排放为 50% 和 22%，同时称其在研究与合作伙伴标签上与 v1.2 表现相当。这些数字为模型提供方自述，尚待第三方复现验证。
接入与评估建议
推荐开发者在决定是否采用前，先按以下条件做区分判断。第一项决策针对任务是否具备本地微调条件：博客称 v1.3 同时是强大的微调模型，在研究与合作伙伴标签上与 v1.2 表现相当（此为提供方自述）。如果你的任务已有历史标注数据且需要任务专属精度，建议先固定同一批验证标签，比较 v1.3 嵌入加小型分类器与现有 v1.2 基线的表现；只有在验证集上差距明显且稳定时，才值得投入完整微调流程。可测量的评估标准是同一验证集上的分类精度或平均交并比，以及达到目标精度所需的标注数量。第二项决策针对是否需要自建嵌入生成：官方已提供全球预计算的 64 维与 128 维嵌入，但博客称 2025、2024、2023 年为全球覆盖，2017 至 2022 年仅覆盖部分国家。如果你的研究窗口落在覆盖范围之外，或需要自定义日期、模态与分辨率，则需要使用 OlmoEarth Studio 或博客提到的教程在自己的算力上生成嵌入；此时应先用小区域做一次端到端试跑，以能否复现官方嵌入的向量维度与溯源记录为验收标准。第三项决策涉及许可与分发：博客称所有权重、数据与代码均在 OlmoEarth Artifact License 下发布，与 v1、v1.2 相同。该名称不是常见的 OSI 式开源许可，建议在再分发权重或把嵌入产物用于商业产品前，逐条阅读许可条款，确认再分发与商用范围，不要仅以“权重开放”推断授权范围。以上均为基于来源信息的条件性建议，而非已验证结论。
限制与待确认事项
首先需要明确：OlmoEarth v1.3 当前未出现在 KimiSeek 的实时模型目录中，本条目所有模型能力、数据与工具的描述均来自 Allen AI 博客，与 KimiSeek 平台可用性无关。来源中的评测结论（27 项评测中 20 项最高、与 AEF 和 Tessera v2 的对比）和效率数字（计算时间为 v1.2 的 53%、v1 的 18%）均为提供方自述，本简报未做独立复现。博客称模型权重、预训练数据和代码“全部开放”，但许可为 OlmoEarth Artifact License，并非标准 OSI 开源许可，具体权利边界需以许可原文为准。预计算的 2017 至 2022 年嵌入仅覆盖部分国家，若研究区域不在覆盖范围内，需自行生成嵌入，博客提到的自建路径依赖其教程与本地算力。约 2,720 美元的 H100 租用成本只是最后一次预训练运行的估算，不含数据准备、存储与调试开销，且硬件租赁价格会随时间变化，不宜作为预算基准。Embeddings Explorer 的“几秒出结果”和“无需 GPU”的描述基于官方工具，实际速度受网络与数据下载影响，环境差异可能导致体验不同。
原报道配图
