Modellen laddades upp till den sydaustraliska regeringens satellit Kanyini och till Thales Alenia Space IMAGIN-e-nyttolasten ombord på Internationella rymdstationen. Prithvi tränades på 13 års data från datasetet Harmonized Landsat and Sentinel-2, som sammanställer över ett decennium av global geospatial data från NASA:s Landsat och ESA:s Sentinel-2-satelliter. Utvecklad av datavetare från IBM och NASA:s IMPACT-team kan Prithvi anpassas för uppgifter som att kartlägga översvämningsområden, övervaka katastrofer och förutsäga skördeutfall.
Forskarna testade modellens prestanda för översvämnings- och molndetektion över två olika omloppsplattformar och datormiljöer. Teamet valde Prithvi på grund av dess starka generaliseringsförmåga över jordobservationsuppgifter och dess tillgänglighet som en öppen källkodsmodell. Dr. Andrew Du, huvudforskare och postdoktor vid Adelaide University, sade att om Prithvi inte varit öppen källkod hade han varit tvungen att träna sin egen grundmodell, och att ha modellen öppet tillgänglig sparade mycket tid och ansträngning. Kevin Murphy, chief science data officer vid NASA Headquarters, konstaterade att Prithvi är den första modellen i sitt slag som deployeras i omloppsbana, vilket visar varför NASA gör sina AI-modeller till öppen källkod för att accelerera vetenskaplig och teknologisk utveckling.