El 10 de septiembre de 2026, IBM y NASA liberaron Prithvi-Lunar, un modelo fundacional geoespacial de código abierto entrenado con más de un millón de imágenes de alta resolución del Lunar Reconnaissance Orbiter, con pesos publicados en Hugging Face bajo licencia Apache-2.0.
El modelo fue entrenado con aproximadamente 2 millones de recortes ("tiles") de imagen: más de 1 millón de imágenes de cámara a 1 metro de resolución del Lunar Reconnaissance Orbiter, más cerca de 964,000 imágenes multiespectrales a 100 metros de resolución. Es la continuación del trabajo que IBM y NASA ya venían haciendo desde 2023 con foundation models geoespaciales de la Tierra bajo la marca Prithvi, ahora extendido a datos lunares.
Los pesos del modelo están publicados en huggingface.co/ibm-nasa-geospatial bajo licencia Apache-2.0 —permisiva para uso comercial sin restricciones de copyleft—, con el código de fine-tuning mantenido en un repositorio de GitHub de NASA-IMPACT. La adaptación a tareas específicas se maneja a través de TerraTorch, el framework de IBM para fine-tuning de modelos geoespaciales.
IBM y NASA reportan que el modelo puede usarse para investigar depósitos de hielo lunar, estudiar formaciones volcánicas conocidas como Irregular Mare Patches, y para detección de cráteres —superando en hasta 23% a los métodos ampliamente usados hoy en esas tres tareas. Aunque el caso de uso inmediato es exploración espacial, la arquitectura subyacente (un foundation model de teledetección multiespectral, fine-tuneable con TerraTorch) es la misma familia técnica que ya se usa para análisis satelital terrestre: agricultura, minería, monitoreo forestal y seguros paramétricos.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel