Modelos de IA
OlmoEarth 1.3 convierte imágenes de satélite en datos reutilizables
Ai2 publica OlmoEarth 1.3 y embeddings de satélite para comparar lugares y años. Qué permiten hacer y qué cobertura tienen ya disponible.
El trabajo pesado puede aprovecharse más de una vez
Ai2 ha publicado OlmoEarth 1.3, un modelo que resume observaciones de satélite en datos que otros programas pueden reutilizar. El lanzamiento del 22 de octubre de 2026 incluye los pesos del modelo, embeddings ya calculados y un explorador web para comparar lugares y cambios entre años.
Eso permite empezar un análisis sin descargar primero todas las imágenes ni ejecutar el modelo sobre cada una. La idea resulta útil cuando varias preguntas comparten el mismo territorio: localizar zonas parecidas, clasificar superficies o buscar dónde ha cambiado algo.
Qué guarda un embedding de un lugar
Un embedding es una lista de números que representa características aprendidas por un modelo. Aquí procede de observaciones de Sentinel-1, Sentinel-2 y Landsat. OlmoEarth combina información de distintos momentos y sensores para producir una representación anual por píxel de 10 metros.
La salida tiene 128 dimensiones; las primeras 64 también pueden utilizarse por separado. El modelo está entrenado para que esa versión más pequeña siga siendo una representación útil. Esos números sirven como entrada para comparar zonas o entrenar un clasificador con ejemplos etiquetados.
Un ejemplo: decidir qué zonas revisar primero
Imagina que quieres estudiar cambios en varias áreas verdes de una ciudad. Podrías comparar los embeddings de las mismas coordenadas en 2023 y 2025 y ordenar las zonas según cuánto difieren. Después revisarías las imágenes y otras fuentes de las áreas con cambios más marcados.
Es un ejemplo hipotético de selección de lugares que merecen atención. Una diferencia entre vectores no explica por sí sola qué ha ocurrido. Para concluir que se ha construido un edificio o perdido vegetación necesitas comprobarlo con evidencia adicional.
Si lo que buscas es clasificar superficies, el recorrido cambia: aportarías muestras etiquetadas y entrenarías un clasificador sobre los embeddings. Conviene reservar otras zonas para comprobar si funciona fuera de los ejemplos con los que aprendió.
La cobertura disponible importa tanto como el modelo
El dataset tiene cobertura global para 2023, 2024 y 2025 dentro del área definida por sus autores, que excluye la Antártida. Los años 2017–2022 todavía cubren países seleccionados y se están completando. Tener nueve años en el formato del archivo no significa que todos estén completos para cualquier lugar.
También son resúmenes anuales: sirven para comparar periodos, pero no para saber qué pasó esta mañana. Y una cuadrícula de 10 metros condiciona el detalle que puedes estudiar; no permite dar por identificados objetos pequeños.
Los datos pueden consultarse sin cuenta desde Source Cooperative. Los pesos están disponibles en Hugging Face bajo la OlmoEarth Artifact License, enlazada en la ficha. Para una primera exploración, el visor ofrece una entrada más sencilla; para incorporarlo a una aplicación, toca revisar cobertura, licencia y calidad en la zona que realmente interesa.