Η Mistral AI κυκλοφόρησε το Timestral, την πρώτη της οικογένεια μοντέλων χρονοσειρές, και η αθόρυβη κυκλοφορία παίρνει τώρα μια δυνατή δεύτερη πράξη: η ανακοίνωση, που δημοσιεύτηκε στο blog του Mistral στις 15 Οκτωβρίου, έφτασε στην πρώτη σελίδα του Hacker News στις 19 Οκτωβρίου, όπου συγκέντρωσε εκατοντάδες θετικές ψήφους. Ο τόνος είναι ασυνήθιστος για την εποχή του θεμελιώδους μοντέλου — πρόβλεψη αιχμής από μοντέλα τόσο μικρά από 5 εκατομμύρια έως 209 εκατομμύρια παραμέτρους που εκτελούνται σε συνηθισμένες CPU διακομιστών.

Πρώτα και στα τρία κύρια σημεία αναφοράς For more context on this story, see our ongoing AI industry coverage.

Η Mistral λέει ότι το μεγαλύτερο μοντέλο Timestral της, με μόλις 209 εκατομμύρια παραμέτρους, κατατάσσεται στην πρώτη θέση και στα τρία κύρια δημόσια σημεία αναφοράς του πεδίου - GIFT-Eval, TIME και fev-bench - υπερτερώντας της προηγούμενης τεχνολογίας με περίπου τα δύο τρίτα των παραμέτρων. Τα αποτελέσματα υποβλήθηκαν στους πίνακες κατάταξης GIFT-Eval και TIME και η Mistral σημειώνει ότι οι αριθμοί προέρχονται από ένα μόνο σημείο ελέγχου χωρίς συνοψισμό.

Οι συγκρίσεις μεγεθών είναι το εντυπωσιακό κομμάτι. Το Mistral αναφέρει ότι το μοντέλο 28M κερδίζει το Chronos-2, ένα μοντέλο περίπου τέσσερις φορές μεγαλύτερο, στο GIFT-Eval και στο TIME, ενώ το μοντέλο 209M ξεπερνά τους TimesFM-3 και Falcon-2.0 με λιγότερες παραμέτρους. Κάθε μέγεθος της οικογένειας, λέει η εταιρεία, βρίσκεται στο μέτωπο της ακρίβειας Pareto σε σχέση με το μέγεθος του μοντέλου - που σημαίνει ότι κανένα δημόσιο μοντέλο δεν προβλέπει καλύτερα με τον ίδιο αριθμό παραμέτρων.

Κατασκευάστηκε για τα Enterprise Data Κανείς δεν κάνει tweet About

Οι χρονοσειρές δεν είναι γοητευτικές αλλά πανταχού παρούσες: τηλεμετρία αισθητήρων, μετρήσεις παρατηρησιμότητας, ενεργειακό φορτίο, ροές εφοδιαστικής αλυσίδας, οικονομικοί όγκοι. Το επιχείρημα του Mistral είναι ότι εδώ δεν έχουν καταλήξει οι τεχνικές θεμελίωσης-μοντέλου. Τα κλασικά εργαλεία όπως το ARIMA ταιριάζουν σε μια σειρά μεμονωμένα και τα μοντέλα βαθιάς εκμάθησης όπως το PatchTST εκπαιδεύονται συνήθως από την αρχή ανά σύνολο δεδομένων, επομένως τίποτα δεν μεταφέρεται σε νέους τομείς.

Το Timestral παίρνει το βιβλίο προπόνησης από γλωσσικά μοντέλα και το εφαρμόζει σε αριθμητικές ακολουθίες. Εκπαιδευμένο σε ένα μεγάλο, ποικίλο σώμα, προβλέπει μηδενική λήψη σε δεδομένα που δεν έχει δει ποτέ — συμπεριλαμβανομένων τομέων όπου το ιστορικό με ετικέτα είναι σπάνιο.

Τα μοντέλα παράγουν πιθανολογικές, πολυμεταβλητές προβλέψεις σε 21 τετράγωνα και δέχονται τρία είδη παράπλευρων πληροφοριών: συμμεταβλητές μόνο του παρελθόντος, γνωστές-μελλοντικές συμμεταβλητές όπως χρονοδιαγράμματα παραγωγής ή μετεωρολογικές προβλέψεις και κατηγορικές συμμεταβλητές όπως η κατάσταση ενός μηχανήματος (σε λειτουργία, αδράνεια, υπό συντήρηση) που θα παραμορφωνόταν ως παραμορφωμένος αριθμός.

Οικονομικά CPU

Ίσως η πιο σημαντική εμπορικά λεπτομέρεια: Το Timestral δεν χρειάζεται GPU στο συμπέρασμα. Σε μια τυπική CPU διακομιστή με 8 νήματα, λέει ο Mistral, η πρόβλεψη μιας ημέρας μπροστά από τρεις εβδομάδες 15λεπτου ιστορικού διαρκεί 10 χιλιοστά του δευτερολέπτου με το μοντέλο 5M και 140 χιλιοστά του δευτερολέπτου με το μοντέλο 209M. Η παραλλαγή 123M βρίσκεται εντός του 0,2% της βαθμολογίας της ναυαρχίδας στα τρία τέταρτα της καθυστέρησης.

Αυτό καθιστά τη συνεχή πρόβλεψη σε χιλιάδες αισθητήρες - ολόκληρο το στόλο μιας βιομηχανικής μονάδας - μια βασική πρόταση υλικού και όχι ένα έργο συμπλέγματος GPU.

Under the Hood: Τέσσερα τεχνικά στοιχήματα

Η Mistral πιστώνει τα αποτελέσματα σε διάφορες τεχνικές που σχεδιάζει να αναφέρει λεπτομερώς σε μια επερχόμενη τεχνική έκθεση:

  • Αποσυνδεδεμένη πρόβλεψη ορίζοντα (DHF). Σε προσεγγίσεις αιτιώδους αποκωδικοποιητή όπως το Toto 2.0 και το TimesFM-3, οι τιμές προς πρόβλεψη καλύπτονται και χάνονται ως περιβάλλον. Το DHF διατηρεί το πλήρες ιστορικό στην ακολουθία ενώ τα κουπόνια πρόβλεψης που έχουν μάθει το διαβάζουν, έτσι κάθε παρατηρούμενη τιμή χρησιμεύει τόσο ως στόχος όσο και ως πλαίσιο και τα πραγματικά κενά παραμένουν επισημασμένα ως λείπουν.
  • Προσοχή με επίγνωση των συμμεταβλητών. Σε κάθε σειρά εισόδου εκχωρείται ένας ρόλος — στόχος, συμμεταβλητή μόνο στο παρελθόν ή συμμεταβλητή γνωστού μέλλοντος — με πληροφορίες που ρέουν μόνο από συμμεταβλητές σε στόχους, έτσι ώστε ένα ημερολόγιο εορτών να μπορεί να παρέχει μια πρόβλεψη χωρίς να διαρρέει το μέλλον του ίδιου του στόχου.
  • Συνθετικά-πρώτα δεδομένα. Η πλειονότητα των δεδομένων εκπαίδευσης ήταν συνθετικά: μονομεταβλητές διεργασίες με συνεκτικές τάσεις, εποχικότητα και θόρυβο, σε συνδυασμό με έναν συνθεσάιζερ πολλαπλών μεταβλητών που εισάγει μη γραμμικές εξαρτήσεις μεταξύ τους.
  • Εκπαίδευση δύο σταδίων. Προ-προπόνηση σε αμιγώς συνθετικά δεδομένα στο πλαίσιο 8.192, στη συνέχεια μετα-προπόνηση σε συνδυασμό πραγματικών και συνθετικών δεδομένων με 4 φορές μεγαλύτερο πλαίσιο, χρησιμοποιώντας απώλεια φλίπερ σε 21 τεταρτημόρια ως διακριτή προσέγγιση του CRPS.

Ανοικτά βάρη, ανάπτυξη με διάκενο αέρα

Η οικογένεια αποστέλλεται σε τέσσερα μεγέθη — παραμέτρους 5M, 28M, 123M και 209M — με μήκος περιβάλλοντος 32.768 χρονικών βημάτων. Τα βάρη δημοσιεύονται στο Hugging Face με τροποποιημένη άδεια MIT και η Mistral έχει κυκλοφορήσει ένα αποθετήριο GitHub για την εκτέλεση των μοντέλων σε ιδιωτικά δεδομένα. Μια πλήρης τεχνική έκθεση υπόσχεται να ακολουθήσει.

Για επιχειρήσεις που χρειάζονται περισσότερα, το Timestral είναι διαθέσιμο μέσω του Mistral Forge, του εκπαιδευτικού αγωγού της εταιρείας, που υποστηρίζει τη λεπτομέρεια σε ιδιόκτητα δεδομένα, τις αρχιτεκτονικές επεκτάσεις για συγκεκριμένο τομέα και τον έλεγχο του συνδυασμού εκπαίδευσης — με ανάπτυξη σε υλικό πελατών, συμπεριλαμβανομένων περιβαλλόντων με κενό αέρα. Η Mistral λέει ρητά ότι ο αγωγός μπορεί να εγγυηθεί ότι τίποτα δεν φάνηκε κατά τη διάρκεια του εκ των υστέρων δοκιμών δεν υπήρχε στα δεδομένα προ-κατάρτισης, μια αξιοσημείωτη αξίωση για τους ελεγχόμενους χρηματοοικονομικούς και βιομηχανικούς πελάτες.

Η εταιρεία σκιαγραφεί επίσης ένα πρακτορείο μέλλον για τα μοντέλα: Παρακολούθηση ροών αισθητήρων Timestral, επισήμανση ανωμαλίας σε μια αντλία, μετά παράδοση σε έναν πράκτορα μοντέλου γλώσσας που ανακτά παρόμοιες ιστορικές αστοχίες, εκτελεί ανάλυση βασικών αιτιών σε αρχεία συντήρησης και αρχεία καταγραφής βάρδιων και συντάσσει μια διάγνωση για τον διαχειριστή της εγκατάστασης.

Γιατί έχει σημασία

Η κυκλοφορία είναι μια υπενθύμιση ότι η κούρσα θεμελίωσης-μοντέλου δεν αφορά μόνο LLM τρισεκατομμυρίων παραμέτρων. Η πρόβλεψη είναι ένας από τους μεγαλύτερους φόρτους εργασίας τεχνητής νοημοσύνης στη βιομηχανία και ένα μοντέλο παραμέτρων 209 εκατομμυρίων που οδηγεί σε δημόσια σημεία αναφοράς ενώ λειτουργεί σε CPU θα μπορούσε να μετατοπίσει τους πραγματικούς προϋπολογισμούς. Επίσης, διαφοροποιεί το χαρτοφυλάκιο της Mistral πέρα ​​από τα γλωσσικά μοντέλα τη στιγμή που το εργαστήριο με έδρα το Παρίσι, με αύξηση 3 δισεκατομμυρίων ευρώ με αποτίμηση 21 δισεκατομμυρίων ευρώ, τοποθετεί την ευρωπαϊκή τεχνητή νοημοσύνη γύρω από την κυριαρχία, την αποτελεσματικότητα και την ανάπτυξη εντός των εγκαταστάσεων.

_Αυτό το άρθρο βασίζεται στην επίσημη ανακοίνωση Timestral της Mistral στις 15 Οκτωβρίου 2026._

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →