Mistral发布Timestral时序基础模型，209M参数刷新三项基准
速览
Mistral发布首个时序基础模型系列Timestral，最大模型仅209M参数，在GIFT-Eval、TIME和fev-bench三项基准上排名第一，超越两倍规模的现有模型。该系列提供5M至209M四种规模，支持概率性多变量预测和协变量条件化，无需GPU即可在CPU上高效运行。对开发者而言，这意味着能以更低成本获得领先的零样本时序预测能力。
Timestral是Mistral首个时序基础模型系列，共四个规模：5M、28M、123M和209M参数，共享同一架构和训练流程。最大模型在三个主流基准上均位列第一，而参数仅为之前最优模型的三分之二。28M模型在GIFT-Eval和TIME上超过约四倍大的Chronos-2，209M模型则用更少参数击败TimesFM-3和Falcon-2.0。
模型采用合成预训练、协变量感知注意力和长上下文学习结合的方法，支持仅过去协变量和已知未来协变量，输出分位数而非单点预测。推理时无需GPU：在标准8线程CPU上，基于三周15分钟间隔数据预测未来一天，5M模型耗时10毫秒，209M模型耗时140毫秒。
工业场景中，Timestral可通过多变量建模捕捉传感器间的依赖关系，用概率输出量化不确定性，直接处理分类协变量（如星期几、设备状态），并利用已知未来调度（如生产计划）来提升预测质量。它可嵌入现有监控管道，也能与语言模型结合用于多模态代理工作流。
模型通过Mistral Forge支持领域微调。目前已在官方仓库发布，用户可自行下载部署。
原文Timestral: Mistral release time-series foundation modelsmistral.ai
#Mistral#时间序列#基础模型
本文由程序自动抓取公开报道，经 AI 筛选与改写生成，未经人工逐条核实，事实以原文为准。