Procesar imágenes satelitales a escala continental o global exige mucho más que un buen modelo. También requiere controlar el costo de exportar datos, preprocesarlos, ejecutar inferencias y transformar los resultados en mapas útiles. Allen Institute for AI presenta OlmoEarth v1.1, una nueva familia de modelos que reduce hasta tres veces el cómputo necesario sin perder, en general, el rendimiento de la versión anterior.
Un modelo más eficiente para observar la Tierra
OlmoEarth v1 se lanzó en noviembre de 2025 y desde entonces se ha utilizado en tareas como el seguimiento de cambios en manglares, la clasificación de las causas de pérdida forestal y la creación de mapas de cultivos a escala nacional.
La nueva versión busca que estas aplicaciones sean más accesibles. Según sus creadores, OlmoEarth v1.1 mantiene un rendimiento similar al de OlmoEarth v1 en distintos benchmarks de investigación y tareas desarrolladas junto con organizaciones asociadas, mientras reduce los costos de cómputo hasta 3x.
¿La razón? Cuando un sistema analiza decenas o cientos de miles de kilómetros cuadrados, incluso una pequeña mejora por imagen puede convertirse en un ahorro considerable al trabajar a escala planetaria.
El papel de los tokens en las imágenes satelitales
OlmoEarth utiliza una arquitectura basada en transformers, la misma familia de modelos que impulsa buena parte de los sistemas modernos de IA. Para procesar imágenes de sensores remotos, el modelo convierte los datos visuales en una secuencia de unidades llamadas tokens.
En este contexto, un token no es necesariamente una palabra. Puede representar un fragmento de una imagen, una banda espectral o una observación capturada en un momento específico. La forma de construir esos tokens influye directamente en el rendimiento y en el costo de la inferencia.
En las imágenes de Sentinel-2, los datos pueden organizarse como un tensor con altura, anchura, tiempo y 12 canales espectrales. OlmoEarth v1 dividía la imagen en parches espaciales y generaba tokens separados para cada momento y resolución.
Por ejemplo, con dos momentos temporales y tres resoluciones, cada parche producía seis tokens: dos momentos multiplicados por las resoluciones de 10, 20 y 60 metros.
En términos generales, una entrada Sentinel-2 con dimensiones [H, W, T, D=12] generaba aproximadamente H/p x W/p x T x 3 tokens, donde p representa el tamaño del parche.
Menos tokens, menor costo de inferencia
Los transformers procesan las relaciones entre todos los tokens de una secuencia. Por eso, el costo computacional crece de forma cuadrática a medida que aumenta su longitud. Reducir la cantidad de tokens puede tener un efecto mucho mayor que simplemente eliminar una pequeña parte de los datos.
OlmoEarth v1.1 combina en un solo token la información que antes se separaba por resolución. Esta decisión reduce aproximadamente tres veces el número de tokens utilizados para Sentinel-2 y genera ahorros durante el preentrenamiento, el ajuste fino y la inferencia.
El desafío era evitar que la compresión afectara la calidad. Una combinación directa provocaba caídas importantes de rendimiento, incluyendo una reducción de 10 puntos porcentuales en m-eurosat kNN, un benchmark habitual para evaluar modelos de observación remota.
Los investigadores plantean que separar las bandas por resolución facilita que el modelo aprenda relaciones importantes entre ellas. Para compensar la pérdida de información causada por la fusión, modificaron el régimen de preentrenamiento. Los detalles se presentan en su informe técnico.
Una familia para distintos presupuestos de cómputo
OlmoEarth v1.1 no es un único modelo. La familia incluye versiones Base, Tiny y Nano, para que cada equipo pueda elegir un equilibrio entre capacidad, velocidad y presupuesto.
Esta estrategia es especialmente relevante para organizaciones que no cuentan con grandes infraestructuras de GPU. Un modelo más pequeño puede ser suficiente para una tarea concreta, mientras que una versión mayor puede resultar conveniente al trabajar con mapas complejos o grandes volúmenes de datos.
El indicador utilizado para estimar el trabajo de una pasada del modelo es MACs, abreviatura de operaciones de multiplicación y acumulación. En términos simples, menos MACs suelen significar una inferencia más rápida y económica, aunque el rendimiento final también depende del hardware y del flujo completo de procesamiento.
OlmoEarth v1.1 ofrece un rendimiento similar al de OlmoEarth v1 en muchas tareas, pero puede requerir cerca de un tercio del cómputo.
Un experimento más fácil de interpretar
Los modelos de percepción remota tienen muchas variables: arquitectura, conjunto de datos, tamaño, estrategia de preentrenamiento y procedimiento de ajuste. Cuando cambia el rendimiento, no siempre es sencillo saber cuál de estos factores fue responsable.
Para reducir esa incertidumbre, el equipo entrenó OlmoEarth v1.1 con el mismo conjunto de datos utilizado para OlmoEarth v1. Así, las diferencias entre ambas versiones permiten estudiar con mayor claridad el efecto de los cambios metodológicos, especialmente la forma de construir los tokens y el nuevo régimen de preentrenamiento.
Esto convierte el lanzamiento en algo más que una actualización de velocidad. También funciona como un experimento sobre cómo diseñar modelos de IA para datos satelitales sin aumentar continuamente el costo de ejecución.
Qué significa para quienes usan imágenes satelitales
La reducción de cómputo puede hacer más viables los mapas frecuentes de bosques, cultivos, costas y otros ecosistemas. Una organización podría actualizar sus resultados con mayor regularidad o analizar áreas más extensas sin multiplicar su presupuesto de infraestructura.
Aun así, la recomendación es probar la nueva versión en cada caso de uso. Allen Institute for AI advierte que existen algunas regresiones de rendimiento y remite a su informe técnico para conocer los detalles. En aprendizaje automático, una mejora promedio no garantiza mejores resultados para todos los conjuntos de datos.
Los pesos preentrenados y el código de entrenamiento de OlmoEarth v1.1 ya están disponibles, incluyendo las variantes Base, Tiny y Nano. Para investigadores, gobiernos, empresas y organizaciones ambientales, el cambio plantea una posibilidad concreta: observar más territorio, con actualizaciones más frecuentes y una factura computacional menor.