Mistral AI hat Timestral veröffentlicht, seine erste Familie von Zeitreihen-Grundmodellen, und die stille Veröffentlichung erhält nun einen lauten zweiten Akt: Die Ankündigung, die am 15. Oktober auf Mistrals Blog veröffentlicht wurde, erreichte am 19. Oktober die Titelseite von Hacker News und erhielt dort Hunderte von positiven Stimmen. Der Pitch ist ungewöhnlich für die Ära der Foundation-Modelle – hochmoderne Prognosen von Modellen mit nur 5 bis 209 Millionen Parametern, die auf gewöhnlichen Server-CPUs laufen.

Erster bei allen drei wichtigen Benchmarks Weitere Informationen zu dieser Geschichte finden Sie in unserer aktuelle KI-Trends.

Mistral sagt, dass sein größtes Timestral-Modell mit nur 209 Millionen Parametern bei allen drei wichtigsten öffentlichen Benchmarks der Branche – GIFT-Eval, TIME und Fev-Bench – den ersten Platz einnimmt und den bisherigen Stand der Technik bei etwa zwei Dritteln der Parameter übertrifft. Die Ergebnisse wurden an die GIFT-Eval- und TIME-Bestenlisten übermittelt, und Mistral stellt fest, dass die Zahlen von einem einzigen Kontrollpunkt ohne Zusammenfügung stammen.

Auffallend sind die Größenvergleiche. Mistral berichtet, dass das 28M-Modell Chronos-2, ein etwa viermal größeres Modell, bei GIFT-Eval und TIME übertrifft, während das 209M-Modell TimesFM-3 und Falcon-2.0 mit weniger Parametern übertrifft. Jede Größe in der Familie, so das Unternehmen, liege an der Pareto-Front der Genauigkeit im Vergleich zur Modellgröße – was bedeutet, dass kein öffentliches Modell bei der gleichen Parameteranzahl bessere Prognosen liefert.

Entwickelt für Unternehmensdaten, über die niemand twittert

Zeitreihen sind unscheinbar, aber allgegenwärtig: Sensortelemetrie, Beobachtbarkeitsmetriken, Energiebelastung, Lieferkettenströme, Finanzvolumina. Mistrals Argument ist, dass die Grundlagenmodelltechniken gerade hier angekommen sind. Klassische Tools wie ARIMA passen isoliert auf eine einzelne Serie, und Deep-Learning-Modelle wie PatchTST werden typischerweise pro Datensatz von Grund auf trainiert, sodass nichts auf neue Domänen übertragen wird.

Timestral übernimmt das Pre-Training-Playbook von Sprachmodellen und wendet es auf numerische Sequenzen an. Es basiert auf einem großen, vielfältigen Korpus und prognostiziert einen Zero-Shot für Daten, die es noch nie gesehen hat – einschließlich Domänen, in denen es kaum gekennzeichnete Historien gibt.

Die Modelle erzeugen probabilistische, multivariate Prognosen über 21 Quantile und akzeptieren drei Arten von Nebeninformationen: reine Vergangenheitskovariaten, bekannte zukünftige Kovariaten wie Produktionspläne oder Wettervorhersagen und kategoriale Kovariaten wie den Zustand einer Maschine (läuft, im Leerlauf, in Wartung), der verzerrt wäre, wenn er als einfache Zahlen kodiert würde.

CPU-Ökonomie

Das vielleicht kommerziell bedeutsamste Detail: Timestral benötigt bei der Inferenz keine GPU. Auf einer Standard-Server-CPU mit 8 Threads dauert laut Mistral die Vorhersage eines Tages im Voraus aus drei Wochen 15-Minuten-Verlauf beim 5M-Modell 10 Millisekunden und beim 209M-Modell 140 Millisekunden. Die 123M-Variante erreicht bei drei Vierteln der Latenz nur 0,2 % der Punktzahl des Flaggschiffs.

Das macht die kontinuierliche Prognose über Tausende von Sensoren – die gesamte Flotte einer Industrieanlage – zu einem Mainstream-Hardware-Angebot und nicht zu einem GPU-Cluster-Projekt.

Unter der Haube: Vier technische Wetten

Mistral führt die Ergebnisse auf mehrere Techniken zurück, die in einem kommenden technischen Bericht näher erläutert werden sollen:

  • Entkoppelte Horizontprognose (DHF). In kausalen Decoder-Ansätzen wie Toto 2.0 und TimesFM-3 werden die vorherzusagenden Werte maskiert und gehen als Kontext verloren. DHF behält den gesamten Verlauf in der Sequenz, während gelernte Prognosetoken ihn lesen, sodass jeder beobachtete Wert sowohl als Ziel als auch als Kontext dient und echte Lücken als fehlend gekennzeichnet bleiben.
  • Kovariatenbewusste Aufmerksamkeit. Jeder Eingabereihe wird eine Rolle zugewiesen – Ziel, nur vergangene Kovariate oder bekannte zukünftige Kovariate – wobei Informationen nur von Kovariaten zu Zielen fließen, sodass ein Feiertagskalender eine Prognose liefern kann, ohne die eigene Zukunft des Ziels preiszugeben.
  • Synthetic-first-Daten. Der Großteil der Trainingsdaten war synthetisch: univariate Prozesse mit kohärenten Trends, Saisonalität und Rauschen, kombiniert durch einen multivariaten Synthesizer, der nichtlineare Abhängigkeiten zwischen ihnen einführt.
  • Zweistufiges Training. Vortraining mit rein synthetischen Daten im 8.192-Kontext, dann Nachtraining mit einer Mischung aus realen und synthetischen Daten mit einem 4x längeren Kontext, wobei Flipperverlust über 21 Quantile als diskrete Annäherung an CRPS verwendet wird.

Offene Gewichte, Bereitstellung mit Luftspalt

Die Familie wird in vier Größen geliefert – 5M-, 28M-, 123M- und 209M-Parameter – mit einer Kontextlänge von 32.768 Zeitschritten. Gewichte werden auf Hugging Face unter einer modifizierten MIT-Lizenz veröffentlicht, und Mistral hat ein GitHub-Repository zum Ausführen der Modelle auf privaten Daten veröffentlicht. Es wird versprochen, dass ein vollständiger technischer Bericht folgt.

Für Unternehmen, die mehr benötigen, ist Timestral über Mistral Forge, die Schulungspipeline des Unternehmens, verfügbar und unterstützt die Feinabstimmung proprietärer Daten, domänenspezifische Architekturerweiterungen und Kontrolle über den Schulungsmix – mit Bereitstellung auf Kundenhardware, einschließlich Air-Gap-Umgebungen. Mistral sagt ausdrücklich, dass die Pipeline garantieren kann, dass nichts, was während des Backtestings gesehen wurde, in den Daten vor dem Training enthalten war, ein bemerkenswerter Anspruch für regulierte Finanz- und Industriekunden.

Das Unternehmen skizziert auch eine Agentenzukunft für die Modelle: Timestral überwacht Sensorströme, meldet eine Anomalie an einer Pumpe und übergibt sie dann an einen Sprachmodellagenten, der ähnliche historische Ausfälle abruft, eine Ursachenanalyse über Wartungsaufzeichnungen und Schichtprotokolle durchführt und eine Diagnose für den Werksleiter erstellt.

Warum es wichtig ist

Die Veröffentlichung ist eine Erinnerung daran, dass es beim Foundation-Model-Wettlauf nicht nur um Billionen-Parameter-LLMs geht. Prognosen gehören zu den umfangreichsten KI-Workloads in der Branche, und ein Modell mit 209 Millionen Parametern, das öffentliche Benchmarks anführt, während es auf CPUs läuft, könnte reale Budgets verschieben. Es diversifiziert auch das Portfolio von Mistral über Sprachmodelle hinaus, und das zu einem Zeitpunkt, an dem das in Paris ansässige Labor, das gerade drei Milliarden Euro bei einer Bewertung von 21 Milliarden Euro eingeworben hat, die europäische KI auf Souveränität, Effizienz und On-Premises-Einsatz ausrichtet – alles Kriterien, die Timestral von Natur aus prüft.

_Dieser Artikel basiert auf der offiziellen Timestral-Ankündigung von Mistral vom 15. Oktober 2026._

---

Bleib vorne bei KI

Die neuesten KI-Nachrichten, Analysen und Durchbrüche – alles an einem Ort.

Mehr KI-Nachrichten lesen →