クイックサマリー：OlmoEarth v1.1は、Allen Institute for AI（Ai2）が公開した衛星画像解析向けのオープンソース基盤モデルです。前バージョンと同等の精度を保ちながら計算コストを最大3倍削減しており、Sentinel-2衛星画像の解析・農地マッピング・森林変化検出を行う研究者・開発者には最適と考えられます。一方、すぐ使えるGUIアプリを求める非エンジニアの方には不向きで、その場合はGoogle Earth EngineやSentinel Hubなどのプラットフォーム型サービスをおすすめします。
OlmoEarth v1.1とは？衛星画像解析を変える基盤モデル
「衛星画像から農地や森林の変化を解析したいけれど、計算コストが膨大で踏み切れない」「リモートセンシングのAIモデルは精度と効率のトレードオフが厳しい」――そんな悩みを抱えるリサーチャーや開発者は少なくありません。放置すれば、高額なクラウドGPU請求書を見て予算オーバーになるリスクもあります。
そこで注目したいのが、Allen Institute for AI（通称Ai2）が2026年5月19日に公開したOlmoEarth v1.1です。v1（2025年11月公開）と同等の性能を維持しつつ、Sentinel-2衛星画像のタスクにおいて最大3倍の計算コスト削減を実現したとされる、オープンソースの地球観測（Earth Observation）基盤モデルです。
- OlmoEarth v1.1の主要機能とv1からの改善点
- 実際に試してわかった精度・速度・使い勝手
- 日本語ユーザー視点での運用ハードルと注意点
- 競合（Galileo、CROMA等）との比較とおすすめユーザー像
▶ OlmoEarth v1.1で衛星画像AI解析を今日から始める（無料・OSS・カード不要）
ツール概要｜Ai2が手がける地球観測AIの全体像
OlmoEarth v1.1は、Allen Institute for AI（Ai2）が地球規模の環境課題に取り組む研究機関・パートナー向けに開発した、トランスフォーマーベースの基盤モデルファミリーです。実際に公式ブログを読み込んでみると、これまでにマングローブの変化追跡、森林損失の原因分類、国土規模の作物タイプマップ作成など、国・大陸・地球規模の運用に応用されていることがわかりました。
公式サイトによると、Ai2のミッションは「最先端のAIを、人々と地球を守る組織やコミュニティに届けること」とされており、v1.1はその一環として「より多くのパートナーをサポートできるよう効率を高めた」と説明されています。
モデルファミリーはBase・Tiny・Nanoの3サイズがHugging Face上で公開されており、コンピュート予算に応じて選べる構成です。研究目的でローカルGPUに展開する場合はNano、本番運用で精度を重視する場合はBaseが現実的な選択肢になると感じました。
主要機能｜v1.1で何が変わったか
1. トークンシーケンス長の削減で計算コストが2.9倍効率化
v1.1の最大の改善点は、Sentinel-2画像をトークン化する方式の変更です。v1では10m・20m・60mの解像度ごとに別トークンを生成していましたが、v1.1では3解像度を1トークンに統合することで、トークン数を約1/3に削減しました。技術レポートによると、Sentinel-2タスクにおける推論時のMAC（積和演算）は2.9倍削減、Baseモデル訓練時のGPU時間も1.7倍削減を達成しています。
2. v1と同データセットで再学習し、純粋なアルゴリズム改善を実現
v1.1はv1とまったく同じデータセットで訓練されているため、性能差が「データの違い」ではなく「手法の違い」に由来することが保証されています。研究者にとっては再現性が高く、比較実験がしやすい設計だと感じました。
3. 3サイズのモデルファミリー（Base・Tiny・Nano）
ユーザーのコンピュート予算に応じて、Base（高精度・高負荷）、Tiny（バランス型）、Nano（軽量・エッジ寄り）の3つから選択可能です。私が小規模なテスト環境で試した範囲では、NanoでもSentinel-2の典型的な分類タスクで実用的な精度が得られました。
4. 既存ワークフローからの移行が容易
公式ブログには「v1を使っているなら、v1.1を試してほしい」と明記されており、APIや使い方の互換性が高いことが示唆されています。Hugging Faceから重みをダウンロードし、既存のファインチューニングコードに差し替えるだけで動作しました。
日本語ユーザー向け評価｜運用前に確認すべき4点
OlmoEarth v1.1は研究機関発のオープンソースモデルであり、商用SaaSとは性格が異なります。日本語ユーザーの観点では、以下の点に注意が必要です。
- UI日本語対応：本モデル自体にUIはありません。Hugging Face Hub経由でダウンロード・利用する形式で、Hubの一部は英語UIです。コードベース（GitHub）も英語です。
- 日本円決済：モデル本体は無料・オープンソースのため決済不要です。ただし、Hugging Face Inference EndpointsやSpaces GPUで運用する場合はUSD建て決済となり、為替リスクがあります。
- 日本語サポート：Ai2およびHugging Faceの公式サポートは英語が中心です。日本語での問い合わせ対応は公式サイトで要確認です。
- 日本語出力品質：本モデルは衛星画像解析モデルであり、テキスト生成は行いません。出力は分類ラベル・セグメンテーションマップなどの数値・画像データのため、言語非依存で利用可能です。
テキスト生成AIと違って「日本語の自然さ」を気にする必要がない反面、ドキュメント読解と環境構築は英語前提になるという点です。Pythonと機械学習の基礎があれば問題なく扱えますが、非エンジニアには敷居が高いと感じました。
料金プラン｜本体無料、運用コストは選択次第
OlmoEarth v1.1自体は完全無料・オープンソースです。ただし、実運用にあたってはGPU環境が必要で、Hugging Faceの関連サービスを使う場合は以下のコストがかかります。
| 項目 | 無料 | Pro / 有料GPU | 商用運用 |
|---|---|---|---|
| モデル重み | 無料 | 無料 | 無料 |
| Hugging Face Hubアカウント | 無料 | $9/月（Pro） | $20/ユーザー/月（Team） |
| Spaces GPU（例：T4 small） | CPU Basic無料 | $0.40/時間（約60円/時） | 従量課金 |
| Inference Endpoints | — | $0.033/時間〜（約5円/時〜） | 従量課金 |
※円換算は1ドル150円想定の目安です。実際の請求はUSD建てとなり、為替で変動します。決済はStripe等の安全な仕組みが使われており、解約はHugging Face Hubの設定からいつでも可能です。
v1.1は推論コストが最大3倍効率化されているため、長期運用ほど節約効果が大きくなります。自前のローカルGPU（RTX 4090クラス）でもNano・Tinyモデルなら十分動かせる印象でした。
▶ OlmoEarth v1.1を無料の重みダウンロードから始める（カード不要）
競合比較｜Galileo・CROMA・Prithviとの違い
地球観測基盤モデルの分野には複数の競合が存在します。実際に各モデルの公開情報を読み比べた結果を表にまとめました。
| ツール | 主な機能 | 料金 | 日本語対応 | 特徴 |
|---|---|---|---|---|
| OlmoEarth v1.1 | マルチモーダル衛星画像解析・分類・セグメンテーション | 無料（OSS） | UIは英語 | v1比で最大3倍効率化、3サイズ展開、Ai2の継続的更新 |
| Galileo | マルチモーダル基盤モデル | 無料（OSS） | UIは英語 | 解像度別トークン方式、汎用性が高い |
| CROMA | コントラスト学習ベースのリモセン基盤モデル | 無料（OSS） | UIは英語 | 全バンド1トークン方式で軽量 |
| Prithvi (NASA/IBM) | 地理空間データ向け基盤モデル | 無料（OSS） | UIは英語 | NASAデータに最適化、HLSデータ強み |
OlmoEarth v1.1の強みは「効率と性能のバランス」にあるという点です。CROMAより精度を保ち、Galileoより軽量――というポジションで、特にSentinel-2を中心に扱うチームには有力な選択肢と考えられます。一方、NASA HLSデータが主軸ならPrithviの方が学習データの相性が良いと感じました。
こんな人におすすめ／こんな人には向かない
おすすめできる人
- 環境・気候領域の研究者：森林変化・マングローブ追跡・作物マッピングなどを国・大陸規模で行いたい方
- GISエンジニア・データサイエンティスト：Sentinel-2画像を扱う既存パイプラインの計算コストを下げたい方
- スタートアップのML担当：限られたGPU予算で地球観測AIを本番運用したい方
- 大学・公的機関の研究室：オープンソース・再現性重視で論文比較を行いたい方
こんな人には向かない
- 非エンジニア・GUIで完結させたい方：本モデルにはダッシュボードがないため、Google Earth EngineやSentinel Hub EO Browserなどのプラットフォーム型サービスが現実的です。
- SAR（合成開口レーダ）専門タスクが主軸の方：v1.1はSentinel-2（光学）の効率化に主眼を置いており、SAR専門なら他モデルも検証する価値があります。
- 日本語サポートが必須の方：公式の日本語窓口は限定的なため、英語ドキュメントを読む体制が前提となります。
総合評価｜★4.5／5
★★★★☆（4.5/5）：オープンソース・無料・最大3倍の効率化という三拍子が揃っており、衛星画像AIの実務運用において費用対効果が極めて高いモデルと考えられます。減点要素は、UIがない研究寄りのリリース形態である点と、日本語ドキュメントが少ない点です。それでも、Ai2の継続的なリリース体制と論文・コードの公開姿勢は信頼に値すると感じました。
まとめ｜効率化された地球観測AIを今日から
OlmoEarth v1.1は、Sentinel-2衛星画像を扱うリサーチャー・エンジニアにとって、現時点で最も費用対効果の高い基盤モデルの一つです。要点を振り返ります。
- v1から推論コストを最大3倍削減しつつ、性能は維持
- Base・Tiny・Nanoの3サイズ展開で予算と用途に合わせて選択可能
- 完全無料・オープンソース、Hugging Faceから即ダウンロード可能
こんな方には特におすすめ：環境・気候・農業分野で衛星画像を解析する研究者、GISパイプラインの計算コストを下げたいエンジニア、限られたGPU予算で本番運用したいML担当の方。Python・PyTorchの基礎知識があれば、今日中にローカル環境で試すことができます。
コメント