O Allen Institute for AI (AI2) lançou OlmoEarth, uma família de modelos de fundação multimodal de código aberto para observação da Terra e inteligência geoespacial. A família de modelos vem em quatro tamanhos: OlmoEarth-Nano (~1,4M de parâmetros) e Tiny (~6,2M) para inferência rápida e barata; Base (~90M) para equilíbrio de precisão/velocidade; e Large (~300M) para desempenho de pico. Treinado em dados de satélite multimodal (imagens óticas, radar, mapas ambientais), OlmoEarth se destaca em classificação de cena, segmentação semântica, detecção de objetos, detecção de mudanças e regressão em tarefas de imagem única e séries temporais.
OlmoEarth supera modelos maiores, incluindo DINOv3 da Meta, Prithvi da IBM/NASA, Terramind da IBM, CROMA, Panopticon e Satlas e Galileo da própria AI2. Compete com AlphaEarth Foundations do Google DeepMind: em tarefas kNN funciona com paridade ou melhor; bem ajustado, supera significativamente. O impacto do mundo real é imediato: Global Mangrove Watch reduziu seu pipeline de mapeamento de anos de coleta/anotação de dados para horas usando OlmoEarth, usando apenas 0,1% de suas 5,8M amostras rotuladas. O International Food Policy Research Institute agora está gerando mapas de culturas em nível de condado para o Quênia com dados de campo locais, permitindo intervenções mais rápidas em segurança alimentar.
Para arquitetos de IA climática/ambiental: OlmoEarth Platform é um sistema integrado de ponta a ponta (Studio para rotulagem/ajuste fino, Viewer para exploração, Run para inferência em larga escala, APIs para integração de fluxo de trabalho). Os pesos abertos + código + artigo técnico possibilitam transparência e auditoria comunitária. Vantagem chave: modelos menores alcançam desempenho ótimo de Pareto vs. computação, reduzindo custos de inferência e permitindo rea nálise contínua. Casos de uso endereçáveis abrangem monitoramento de culturas, conservação de mangue, predição de risco de incêndio florestal e detecção de desmatamento—todos exigindo atualizações frequentes em escala.