Подробный разбор · Около 6 мин чтения
Ai2 выпустила годовые эмбеддинги OlmoEarth v1.3 и браузерный инструмент исследования
OlmoEarth v1.3 предлагает повторно используемые признаки спутниковых изображений с шагом 10 метров: 128 или 64 измерения, неполное покрытие прошлых лет и ограничения лицензии.
- Опубликовано здесь
- Дата источника
- Источник проверен
В анонсе от 22 октября Ai2 представила OlmoEarth v1.3 Base, заранее рассчитанные годовые спутниковые эмбеддинги и Embeddings Explorer. Выпуск призван сократить работу по превращению снимков Земли в полезные карты, но покрытие, результаты оценок и разрешенные применения нужно рассматривать отдельно.
Слушать новости
Прослушайте эту статью или включите новости подряд.
Подготовка чтения…
Голос устройства
Речь обрабатывает браузер или устройство. AISubHub не отправляет текст в аудио-API. Доступные голоса и работа при заблокированном экране зависят от устройства.
При продолжении короткая фраза может повториться.
Кратко
- По данным Ai2, 128-мерные эмбеддинги лидируют в 20 из 27 оценок, а меньший 64-мерный вариант — в 18. Это результаты разработчика, а не испытания AISubHub.
- На старте глобальное годовое покрытие есть для 2023–2025 годов, а для 2017–2022 — лишь для отдельных стран. Векторы описывают сушу и прилегающие прибрежные воды, а не каждую поверхность в реальном времени.
- Оценка примерно в 2 720 долларов США относится только к одному окончательному запуску предобучения. Создание глобального годового слоя эмбеддингов — отдельная, гораздо большая задача, а лицензия ограничивает определенные применения.
От повторных запусков модели к повторному использованию признаков
OlmoEarth — модель дистанционного зондирования, а не разговорная большая языковая модель. Выпуск Ai2 объединяет Base-модель, заранее вычисленный архив и браузерный интерфейс. Годовые входы включают радар Sentinel-1 и мультиспектральные снимки Sentinel-2 и Landsat. Для каждого выходного пикселя размером 10 метров модель создает вектор из 128 чисел; первые 64 измерения можно использовать отдельно как компактное представление.
Раньше типичный процесс в Studio включал дообучение модели под конкретную задачу и последующую обработку спутниковых снимков. Общие эмбеддинги переносят значительную часть извлечения признаков на предыдущий этап: пользователь может обучить меньший классификатор поверх готовых векторов. Это способно снизить порог локального эксперимента, но для классификации культур или оценки изменений вектору по-прежнему нужны метки либо метод анализа.
Как модель сжимает год наблюдений
Технический отчет разделяет три проблемы: объединение наблюдений разных дат и сенсоров, контроль стоимости инференса и компактность выхода. Визуальный трансформер создает токены, а Attention Pooler с помощью обученных запросов местоположения агрегирует наблюдения для каждого участка. Обученная дистилляцией линейная проекция сокращает 768-мерные представления мест до 128 измерений. Обучение также делает первые 64 измерения полезным вложенным префиксом.
Выходное разрешение отделено от размера патча энкодера. Рабочая конфигурация может кодировать 20-метровые патчи и выдавать эмбеддинги с шагом 10 метров, сокращая вычисления без утверждения о повышении детализации исходных снимков. Карточка указывает 128 млн параметров основы ViT, 14,3 млн у Perceiver и 0,1 млн у ученической проекции. Одно число параметров основы не равно размеру всего конвейера.
Читать заявления о тестах в рамках их протоколов
В анонсе Ai2 сообщает, что 128-мерный вариант получает наивысший результат в 20 из 27 оценок относительно AlphaEarth Foundations и Tessera v2, а 64-мерный лидирует в 18. Оценки охватывают шесть континентов; также представлен PLANTEUR для тропических культур. Знаменатель — набор оценок в анонсе, а не утверждение, что 27 разных наборов данных дали одинаковый результат.
Отчет рассматривает выбор классификаторов, подмножества задач и географическое обобщение. Тесты используют годовые эмбеддинги и схему квантования рабочего развертывания. Описаны и случаи ухудшения после добавления Attention Pooler, особенно для некоторых задач с одним временным шагом или одной модальностью. Мы видим здесь перспективные повторно используемые признаки, а не доказательство победы одной конфигурации во всех картографических задачах или переноса без локальной проверки.
Покрытие и цвета тоже определяют интерпретацию
На старте годовые слои 2023, 2024 и 2025 годов глобальны в пределах опубликованного покрытия; 2017–2022 доступны лишь для выбранных стран, расширение продолжается. Архив ориентирован на сушу и прилегающие прибрежные воды и не включает Антарктиду. По описанию Ai2, полный глобальный опорный год при разрешении 10 метров занимает около 150 ТБ. Статья также объясняет, как записи происхождения связывают выходные окна с исходными сценами и публичными каталогами снимков.
Ai2 утверждает, что Explorer без учетной записи и настройки GPU позволяет менять год, смотреть исходные снимки Sentinel-2, искать похожие места, обучать малые классификаторы на размеченных точках и экспортировать GeoTIFF. Здесь эти возможности независимо не проверялись. Псевдоцветная картинка показывает часть вариации эмбеддингов, а не готовую достоверную карту. Большая разница между годами указывает на изменение представления, но сама по себе не определяет добычу, восстановление растительности или причину изменений. Годовая агрегация также не дает оповещений в реальном времени.
Малая оценка обучения — не весь планетарный счет
Анонс оценивает один окончательный запуск предобучения v1.3 Base примерно в 2 720 долларов США на арендованном узле с восемью H100. Рисунок использует 539 GPU-часов и тариф облачного узла в Айове за октябрь 2026 года; эксперименты, подготовка данных, хранение и инженерная работа исключены. Ai2 сообщает о времени обучения на уровне 53% от v1.2 и 18% от v1, а оценочных выбросах — 50% и 22% соответственно. Это оставшиеся доли прежних итогов, а не проценты сокращения.
Отчет показывает и отдельную стоимость: создание одного глобального годового слоя эмбеддингов требует примерно 14 000 H100-часов — по оценке, около 26 окончательных запусков предобучения. Реальный инференс сочетает H100 и A100. Анализ AISubHub: предварительный расчет распределяет значительную стоимость между последующими пользователями, но не устраняет ее. Указанная оценка обучения не является ни текущим облачным предложением, ни полным бюджетом воспроизведения, хранения и обслуживания планетарного архива.
Открытый доступ не отменяет лицензию и проверку
Модель и связанные артефакты используют OlmoEarth Artifact License. Она дает определенные права использования, изменения, распространения и создания производных работ при соблюдении условий, включая атрибуцию и сохранение ограничений при последующем распространении. Запрещенные цели включают военные и оборонные применения, сбор разведданных, наблюдение за людьми и полицейскую деятельность, а также планирование или содействие извлечению нефти, газа и минералов, в том числе добыче и вырубке лесов. Нельзя называть это неограниченным использованием или подменять лицензию MIT либо Apache.
Соглашение также не предоставляет автоматически все права третьих лиц на содержимое наборов данных и не гарантирует точность или пригодность артефактов. При оценке внедрения команде следует отдельно рассмотреть лицензию модели, права на входные материалы, географическое и годовое покрытие и точность, требуемую для решения. Выпуск дает компоненты для такой оценки; анонс и демонстрация не служат независимым доказательством правильности конкретной экспортированной карты.
Почему это важно
Анализ AISubHub: перенос дорогого извлечения признаков в общий архив может позволить небольшим командам проверять картографические вопросы с меньшими требованиями к локальным вычислениям. Сравнивать полезно весь процесс — покрытие, разметку, перемещение данных и проверку, а не только счет за обучение.
Ограничения и доступность
AISubHub прочитал анонс, карточку модели, лицензию артефактов и технический отчет, изучил иллюстрации и короткую встроенную демонстрацию. Мы не скачивали модель или набор данных, не запускали Explorer, не воспроизводили тесты, не проверяли экспорт и не сопоставляли карты с наземной истиной. Внешние отчеты о примерах и руководства по ссылкам независимо не читались.
Источники и подтверждения
Дата источника: · Источник проверен:
Дополнительные материалы
Источник проверен:
Источник проверен:
Источник проверен:
Материалы подготовлены с помощью ИИ и сверены с указанными первоисточниками. Заявления поставщиков атрибутированы; публикация не означает рекомендацию.