OlmoEarth v1.1：より効率的なモデルファミリー
Allen AI が OlmoEarth v1.1 を発表。解像度ごとのトークンを統合することで、計算コストを最大3分の1に削減し、v1 と同等の性能を維持。大規模なリモートセンシング解析向けで、パートナーによるグローバル展開が進んでいる。
記事インテリジェンス
要点
- OlmoEarth v1.1 は v1 比で計算コストを最大3分の1に削減、性能は同等。
- マルチスペクトルバンドのトークンを解像度間で統合し、系列長を短縮。
- 性能低下を防ぐため、事前学習方法を改良。
- Base、Tiny、Nano の3サイズを提供。
重要な理由
このニュースが重要なのは、OlmoEarth v1.1 は v1 比で計算コストを最大3分の1に削減、性能は同等ためです。
技術的影響
モデル選定、推論コスト、プロダクト能力、評価基準に影響する可能性があります。
Allen AI は2026年5月19日、リモートセンシング用基盤モデルファミリーの最新版 OlmoEarth v1.1 を公開しました。2025年11月の v1 リリース以降、パートナーはマングローブの変化追跡から森林減少の分類、国家レベルの作物地図作成まで、多様なタスクに適用し、国、大陸、全球規模での展開を進めてきました。新バージョンは効率を高めることで、より多くの組織が低コストで技術を利用できるようにすることを目指しています。
効率化の鍵はトークン系列長の短縮です。OlmoEarth は Transformer アーキテクチャに基づき、リモートセンシングデータをトークン系列に変換します。計算コストは系列長の二乗に比例するため、わずかな削減でも大きな効果があります。v1 では、Sentinel-2 などのマルチスペクトル画像の空間パッチごとに、解像度別のトークン（例えば2時相×3解像度で6トークン）を生成していました。v1.1 では、同一パッチ内の異なる解像度トークンを1つに統合し、トークン数を3分の1に削減しました。
しかし、単純な統合では性能が低下し、m-eurosat kNN ベンチマークで10ポイントの精度低下が見られました。研究者は、バンド間の関係をモデル化しやすくするためにトークンを分離していたと推測し、事前学習手法を変更することで性能を維持しました。詳細は技術報告書に記載されています。
OlmoEarth v1.1 ファミリーは Base、Tiny、Nano の3サイズを提供し、ユーザーの計算予算に応じて選択できます。すべてのサイズで v1 の3倍の推論速度を達成し、頻繁な大規模地図更新をより手頃なものにします。既存の v1 ユーザーには、タスクへの適合性をテストすることを推奨します（一部の性能低下は技術報告書を参照）。研究面では、v1.1 は v1 と同じデータセットで学習されているため、性能差は手法の変更のみに起因し、アーキテクチャやデータ、事前学習アルゴリズムの影響を切り分けるのに役立ちます。モデルの重みとトレーニングコードは Hugging Face と GitHub で公開されています。