Allen AI 的 OlmoEarth Studio 现在支持计算并导出嵌入向量（embedding vectors）。

嵌入是地球观测数据的紧凑数值表示，由开源 OlmoEarth 基础模型生成，代码和权重已公开。用户可以通过 Studio UI 或 API 选择感兴趣区域、时间范围（1-12 个月）、编码器变体（Nano 128 维/1.4M 参数，Tiny 192 维/6.2M 参数，Base 768 维/89M 参数）、空间分辨率（10/20/40/80 米/像素）和影像源（Sentinel-2 L2A、Sentinel-1 RTC 或两者）。导出结果为 Cloud-Optimized GeoTIFF（COG），每波段一个维度，存储为有符号 8 位整数（int8，范围 -127 到 127，-128 表示 nodata）。所有计算按需生成，而非从全局预计算归档中拉取，因此嵌入能精确反映用户关心的条件，可生成月度嵌入捕捉季节动态。

嵌入支持多种下游任务，且无需针对特定任务训练。相似性搜索：选择查询像素，提取其嵌入，计算与其他像素的余弦相似度，生成热力图。示例中以加州 Merced 城市中心为查询，城市肌理和道路走廊高亮，农业地块为暗区；切换到农业窗口时，最相似区域（相似度 0.89 以上）均为灌溉农田，最不相似区域（接近 0）为机场、水库和干旱牧场。小样本分割：用极少量标注像素训练线性分类器，即可生成全区域土地覆盖图。在越南 Ca Mau 地区，仅用 60 个标注像素（每类 20 个，三类：红树林、水、其他）训练逻辑回归，得到加权 F1 = 0.84；从 30 个增加到 300 个标签精度变化不大，说明嵌入已承担主要工作。变化检测：比较两个时间段的嵌入，计算逐像素余弦距离。示例中比较了加州 Butte County 2023 年 9 月和 2024 年 9 月的月度嵌入，Park Fire 燃烧疤痕立即显现，无需标签。无监督探索：对嵌入进行 PCA 降维到 3 维并映射为 RGB 假彩色图像，荷兰 Flevoland 的规则农业地块边界清晰重现，不同作物、水体、城区自动获得不同色调。

如果应用需要更高性能，Studio 支持监督微调（SFT）。局限性包括：用户需自行检查嵌入质量（尤其是持续云层、大气伪影或缺失观测时），嵌入性能取决于输入影像质量。所有示例代码和 Colab notebook 已提供，社区可直接使用公开模型计算自己的嵌入。