判斷森林、城市或水體如何變化，不能只看一張整理好的地圖；代理還要選資料、遮雲、統一不同衛星的尺度，再把影像轉成答案。EarthRecord 是一套評測基準，專門測試多模態代理能否從四十年的原始衛星紀錄完成這些分析，並把資料依賴與憑先驗知識猜答分開檢查。
資料涵蓋 56 個地點、1984 至 2026 年的 Landsat、MODIS、VIIRS 和 Sentinel-2 影像，另有輔助圖層。代理在離線環境中使用 Python、shell 和影像檢視器處理單一地點資料；資料只按範圍裁切，數值未經預先整理，參考答案則不會提供給代理。這比直接餵入乾淨影像或預處理結果更貼近分析工作，但也令錯誤可能來自資料處理、跨衛星對齊或判讀本身。
基準共有 238 條問題，分為十類；其中 153 條可由資料計算，73 條詢問地面實況，另有 12 條刻意設計成證據不足。評測十二個代理後，領先系統大多能端到端完成分析，但需要從影像製作地圖的問題仍較弱。另一個警號是，改動一種衛星的資料、而地面狀況保持不變時，正確答案約有一半會跟着改變，顯示部分結果對單一資料來源過度敏感。
- 56 個地點覆蓋多種區域尺度，並串連四種衛星資料。
- 同一問題另設不提供衛星紀錄的閉卷測試，衡量先驗知識能答到多少。
- 22 組衛星資料互換測試及 8 組安慰劑組合，用來檢查答案是否受資料改動影響。
- 資料集、評測程式和十二個代理的結果均已公開，可用於重現比較。
研究團隊、地球觀測分析人員，以及開發資料分析代理的團隊，都可用它檢查代理是否真正讀懂衛星紀錄，而不只是給出合理措辭。它目前是評測基準，不是即裝即用的土地監測服務；使用者需要自行準備執行環境並按項目文件取得資料。評分涵蓋參考答案比對、閉卷控制與衛星資料改動測試，能揭示端到端流程中的脆弱點，但不能取代專家對特定地區的實地核實。