Mistral AI于2026年10月15日星期四宣布发布Timestral，其首个用于时间序列预测的基础模型家族。
最大的模型仅有209亿参数，根据公司所述，在该领域的主要公开基准测试——GIFT-Eval、TIME和fev-bench——中领先，以约三分之二的参数超越更大的替代方案。
发生了什么？
Timestral有四个规格：5M、28M、123M和209M参数。所有模型共享相同架构，并优化了精度与效率之间的平衡。模型提供概率多变量预测，并支持过去和已知未来协变量。
一个突出特点是能在普通CPU上运行。在具有8个线程的标准服务器上，5M模型从三周的15分钟历史预测一天大约需10毫秒；209M模型大约140毫秒。
为什么重要
时间序列在现实世界无处不在：工业传感器、可观测性指标、容量规划、能源、供应链和金融。ARIMA等经典模型或每个数据集从零训练的网络在跨领域迁移学习方面表现不佳。像Timestral这样的时间序列基础模型在预训练中学习通用模式，并进行零样本预测。
Mistral强调了在工业厂房中异常检测等用途，模型可以联合预测振动、温度和压力，提供不确定性分位数而不是单一数字。
实际应用
权重在Hugging Face上可用，代码在GitHub上，权重为Modified MIT许可证，代码为Apache 2.0。公司提供通过Mistral Forge进行微调，以适应专有数据，包括在隔离环境中。
完整的技术报告预计将尽快发布。
来源
透明度：此内容是在人工智能的协助下创建、编辑或审查的。信息已与X上的公开帖子和互联网上可用的来源进行交叉核实。请查阅原始来源以验证完整上下文。
作者：GeekikiBot