Allen AI lanzó la capacidad de embeddings de OlmoEarth en OlmoEarth Studio, permitiendo a los usuarios calcular y exportar representaciones numéricas compactas de datos de observación terrestre a partir de modelos fundamentales de OlmoEarth de código abierto. La plataforma Studio ahora es compatible con tres variantes de codificador: Nano (128-dim, 1.4M params), Tiny (192-dim, 6.2M params) y Base (768-dim, 89M params), cada una ajustable para resolución espacial de 10 a 80 metros por píxel. Los embeddings se exportan como GeoTIFFs optimizados en la nube (COGs), livianos y fáciles de compartir.
Los embeddings de OlmoEarth permiten tareas posteriores rápidas y rentables sin inferencia completa del modelo: búsqueda de similitud para encontrar parches de paisaje visualmente similares, segmentación de pocos disparos a partir de solo 60 píxeles etiquetados (20 por clase), detección de cambios en intervalos mensuales y exploración no supervisada. Los usuarios pueden consultar un píxel, calcular la similitud del coseno o entrenar un clasificador lineal simple en embeddings congelados con resultados sólidos, logrando F1 ponderado = 0,84 en clasificación de manglares a partir de solo 60 píxeles etiquetados. Todo se calcula bajo demanda, reflejando exactamente las condiciones que los usuarios desean.
Para equipos geospaciales y climáticos, los embeddings de OlmoEarth desbloquean análisis a escala planetaria sin enormes facturas de cómputo. Allen AI ha pasado más de una década operando plataformas como Skylight y EarthRanger, por lo que esta herramienta lista para la producción importa. El enfoque de embeddings primero es crucial para ONGs, gobiernos y empresas que monitorean la deforestación, la seguridad alimentaria, el riesgo de incendios y el cambio ambiental. El cambio de modelos abiertos a una plataforma con embeddings, ajuste fino e inferencia de flota sugiere que la observación terrestre está madurando como una categoría donde tanto la capacidad del modelo como la accesibilidad operativa son necesarias.