Allen AI lançou a capacidade de embeddings OlmoEarth no OlmoEarth Studio, permitindo que os usuários calculem e exportem representações numéricas compactas de dados de observação da Terra a partir de modelos fundacionais OlmoEarth de código aberto. A plataforma Studio agora suporta três variantes codificador—Nano (128-dim, 1.4M params), Tiny (192-dim, 6.2M params) e Base (768-dim, 89M params)—cada um ajustável para resolução espacial de 10 a 80 metros por pixel. Os embeddings são exportados como GeoTIFFs otimizados para nuvem (COGs), leve e fácil de compartilhar.
Os embeddings OlmoEarth permitem tarefas de downstream rápidas e com custo-efetivo sem inferençia completa do modelo: busca de similaridade para encontrar patches de paisagem visualmente semelhantes, segmentação de poucos disparos a partir de apenas 60 pixels rotulados (20 por classe), detecção de mudança em intervalos mensais e exploração não supervisionada. Os usuários podem consultar um pixel, calcular similaridade de cosseno ou treinar um classificador linear simples em embeddings congelados com resultados fortes—alcançando F1 ponderado=0,84 em classificação de mangue a partir de apenas 60 pixels rotulados. Tudo é calculado sob demanda, refletindo exatamente as condições que os usuários desejam.
Para equipes geospaciais e climáticas, os embeddings OlmoEarth desbloqueiam análise em escala planetária sem contas massivas de computação. Allen AI passou mais de uma década operando plataformas como Skylight e EarthRanger, então essa ferramenta de produção pronta importa. A abordagem first-first de embedding é crucial para ONGs, governos e empresas monitorando desmatamento, segurança alimentar, risco de incêndio e mudança ambiental. A mudança de modelos abertos para uma plataforma com embeddings, ajuste fino e inferença de frota sugere que a observação da Terra está maturando como uma categoria onde tanto capacidade de modelo quanto acessibilidade operacional são necessárias.