测了89个遥感地理大模型，发现大半根本没法直接上手？

最近遥感大模型、地理空间基础模型很热门，除了小编之前介绍过ArcGIS和Google的商业模型，还有大量的开源模型比如 SatMAE、Scale-MAE、Prithvi、Clay、Tessera、DOFA等等，这些模型到底怎样？可不可用呢？剑桥科研团队发表了一篇可用性评测，小编今天带大家一起看下评测结果。

论文背景

我们看到的地理空间模型(GeoFM)介绍里会有一堆术语，比如网络结构、预训练数据、参数量和基准分数，这些信息对于熟悉机器学习的人没有问题，但对于没怎么接触过的业务人员来说，要想本地跑起来一个模型难度非常大。

这篇论文做了一个小的专家访谈，并提出了七个评价维度，最后由两名评分者按统一量表，系统评测了 89 个 地理空间基础模型，时间范围在 2025 年 10 月到 2026 年 1 月。

评价维度

团队主要划分了7个评价维度，如下：

1. 接入难度
2. 定制微调
3. 信任度：基准可复现、能交互核对
4. 社区与支持
5. 科学持久性与可复现：开源程度、是否有 DOI 归档、服务稳定性
6. 多语言
7. 离线可用性

其中接入属于最基础，也是最重要的，团队细化成了 0 到 5 级：

1. Level 0：只有源码，没有预训练权重
2. Level 1：有训练权重，环境搭建复杂
3. Level 2：有 Dockerfile / requirements 一类环境说明
4. Level 3：有带样例的 notebook 或完整演示脚本
5. Level 4：托管 API
6. Level 5：Web / 桌面 / QGIS 插件一类图形界面

一半以上仍很难上手

先看最基础的接入维度，分布如下图，89 个模型里有 26 个停在 Level 0，只有源码没有权重，根本启动不了。有 19 个在 Level 1，需要复杂的环境搭建，这两档合起来 45 个，已经过半。能到 Level 4 或 Level 5 的只有 6 个，包括 MOSAIKS、Google AlphaEarth、Prithvi（经 IBM/NASA TerraTorch 生态）、AIEarth、SatLas、Tessera。

在 Level 1 以上的 63 个模型里，61 个能复现论文基准结果，有 52 个给出数据跑通的推理流程说明，41 个支持微调。提示式探索和人机交互式再训练都很少，各只有 3 个。社区支持方面，约 44 个仍主要靠 README，有独立文档站、教程或活跃社群的大约只有 8 个。Tessera 和 Prithvi 是少数把文档、教程、社区做得比较完整的。

另外从时间维度来看，2023、2024 发布数量明显上升，但 Level 0（无权重）占比并没有消失，大约仍在四分之一上下晃，真正到 GUI / API 的依旧很少。

总结

其实普通用户的需求很直接，就是希望数据容易获取，模型能够在 QGIS、Earth Engine 等熟悉的平台中使用，分析结果还要方便验证。可目前多数模型仍需要自己配置环境、编写代码和处理数据，更不用说完善的文档和图形界面了。

小编认为，目前多数地理空间基础模型更像是为了赶上大模型热潮而发布的研究成果，除了极个别的——比如 AlphaEarth、Tessera、Prithvi，剩下的离直接用于实际项目还有很长一段距离。

参考

1. 论文摘要页：https://arxiv.org/abs/2608.03804v1
2. 论文 HTML 全文：https://arxiv.org/html/2608.03804v1
3. 论文 PDF：https://arxiv.org/pdf/2608.03804v1