IBM发布Granite时间序列模型PatchTST-FM-r2，商用友好开源许可

IBM于2026年9月8日发布了Granite Time Series PatchTST-FM-r2，这是Granite TSFM家族的新一代模型。相比前代PatchTST-FM-r1，新模型在架构、预训练数据量和功能上都有明显升级：更新了内部架构、扩大了预训练语料、加入概率预测、支持缺失值填充，并提供了约3.85亿参数规模的零样本预测能力。

模型架构方面，PatchTST-FM-r2保留了PatchTST家族的patch表示方法，但内部结构从标准的transformer层改为conformer层。conformer层结合了多头自注意力与时间卷积，自注意力负责捕捉长距离的patch间关系，卷积则处理局部短时结构，这种双机制设计让模型在预测长短期时间模式时更加精准。

在GIFT-Eval基准上，PatchTST-FM-r2的零样本表现亮眼。截至2026年9月8日，在可复现的零样本模型中，它以CRPS几何均值0.467排名第二，仅次于TimesFM-3；在MASE指标上几何均值为0.6846。更值得注意的是，即便与允许使用基准训练数据的预训练模型相比，它在CRPS上排第三、MASE上排第四，超过了Chronos-2、Timer-S1和Toto等模型。在商用友好的Apache 2.0和OpenMDW 1.0双许可下，它是这一类别中性能最高的模型。

模型的权重、架构、推理管线和复现代码均完全开放。IBM还展示了如何在生产环境中结合Confluent产品进行流式应用部署。目前用户可以直接在Hugging Face平台上体验这一模型。