杜兰特带领火箭队以128-110战胜独行侠队的揭幕战中，创造NBA历史

火箭球星凯文·杜兰特在对阵独行侠的比赛中创造NBA历史

在休斯顿火箭队以128-110战胜达拉斯独行侠队的赛季揭幕战中，凯文·杜兰特创造了NBA历史。

休斯顿火箭队前锋凯文·杜兰特在周三晚间于丰田中心举行的128-110战胜达拉斯独行侠队的赛季揭幕战中创造了NBA历史。

杜兰特目前正处于他的第20个赛季，本场比赛他得到30分、6个篮板、3次助攻、1次抢断和1次盖帽。

他全场16投10中，三分球3投2中，罚球11罚8中。

凭借这场比赛的表现，这位38岁的老将成为联盟历史上赛季揭幕战得分达到30分或以上的最年长球员。

贾巴里·史密斯二世同样得到30分，17投11中，出战36分钟。

两人上半场均得到16分。

火箭队首节领先6分，第二节以38-12的比分击败独行侠。

第二节中段，火箭一度领先15分，随后打出一波19-2的攻势，半场结束时以70-38领先。

火箭队在第三节一度领先多达37分。

阿尔佩伦·森根贡献23分、10个篮板和5次助攻。

弗雷德·范弗利特在30分钟的出场时间内得到6分11助攻，没有出现任何失误。

此前他因前交叉韧带撕裂缺席了2025-26赛季。

休斯顿火箭队全场投篮命中率高达56%，三分球16投16中，快攻14次出手命中12次，得到29分。

达拉斯独行侠队则出现了21次失误。

这场胜利终结了火箭队此前连续八场揭幕战失利的颓势。

上赛季最佳新秀库珀·弗拉格为独行侠队贡献了全队最高的32分，投篮17中10。

凯里·欧文自2025年3月左膝前交叉韧带撕裂以来，首次在常规赛中复出，得到15分。

PJ·华盛顿贡献10分4篮板。

这场比赛也是达拉斯独行侠队主教练达斯蒂·梅的首秀。

比赛还剩大约9分钟时，独行侠凭借马库斯·萨瑟的6分打出一波9-0的攻势，将比分追至103-86。

火箭随即还以颜色，打出一波8-2的小高潮，杜兰特和范弗利特分别命中三分，将领先优势扩大到111-88。

接下来，火箭将于周五在奥斯汀挑战圣安东尼奥马刺队。

OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型

该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。

这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。

此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。

这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。

此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。

这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。

嵌入数据代表了模型从数百万张卫星图像中学习到的内容。

OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。

Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。

该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。

其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。

不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。

这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。

在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。

亚马逊保护团队的MAAP监测项目报告了这一活动。

2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。

我们如何得知这一事实？ 嵌入数据给出了明确答案。

无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。

而同样的比较放在2020年至2024年间，这一面积降至9平方公里。

关闭行动的效果显而易见。

Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。

而在浏览器工具中，初步分析仅需几秒钟即可完成。

仅凭少量标签对某个区域进行分析，无需使用GPU。

当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。

OlmoEarth v1.3发布：Ai2推出全球卫星嵌入模型

该模型能够将一年的卫星观测数据压缩成数值指纹，最小分辨率下每个指纹对应10米乘10米的地面区域，同时也提供64平方米和128米分辨率的版本。

这种数值指纹捕捉的模式信息，可供其他软件用于区分农田、森林、矿区等不同类型的地表覆盖。

此前，使用OlmoEarth的主要方式是通过OlmoEarth Studio进行微调，针对每项任务训练一个模型，再将其应用于卫星数据以生成地图。

这种方式需要大量图形处理单元资源，以及下载和存储影像的能力。

此次发布的OlmoEarth嵌入浏览器是一款基于浏览器的地图制作工具。

这意味着任何人都可以将OlmoEarth用于实际工作，从追踪时间变化到寻找相似地点，无需注册登录即可使用。

嵌入数据代表了模型从数百万张卫星图像中学习到的内容。

OlmoEarth会读取一年的雷达图像及相关数据，包括Sentinel-1、Sentinel-2和Landsat的数据。

Sentinel和Landsat是提供地球互补视角的卫星任务：Sentinel-1测量雷达反射信号，而Sentinel-2和Landsat则捕捉可见光和红外波长的光线。

该公司表示，与以往版本的OlmoEarth模型相比，v1.3是其训练成本最低的模型。

其训练所用计算时间仅为最新版本（v1.2）的53%，为第一版（v1）的18%，碳排放量也分别仅为两者的50%和22%。

不过v1.2仍是一款强大的微调模型，对研究机构和合作实验室而言依然具有价值。

这些模型在现实世界中的应用场景 这些卫星模型有助于压缩跨越时间和空间的大量数据，这对于理解地球的变化方式非常有用。

在秘鲁马德雷德迪奥斯地区，围绕拉潘帕的非法金矿开采活动在2017年和2018年达到顶峰，在坦博帕塔国家保护区缓冲区内清除了超过1200公顷的森林。

亚马逊保护团队的MAAP监测项目报告了这一活动。

2019年2月，秘鲁的"水银行动"关闭了大部分采矿作业。

我们如何得知这一事实？ 嵌入数据给出了明确答案。

无需进行模型训练，仅通过比较不同年份的数据像素，观察2016年至2020年间的情况，可以清晰看到南部矿区带内有明显的向东扩张趋势：显著变化区域达34平方公里。

而同样的比较放在2020年至2024年间，这一面积降至9平方公里。

关闭行动的效果显而易见。

Ai2表示，对许多团队来说，针对某个想法测试OlmoEarth通常意味着需要进行一次微调运行，这是一项耗时数小时、成本高昂的艰巨任务。

而在浏览器工具中，初步分析仅需几秒钟即可完成。

仅凭少量标签对某个区域进行分析，无需使用GPU。

当某项任务确实需要进行微调实验时，嵌入数据可以帮助判断该实验是否值得投入计算时间，以及模型存在哪些不足之处。