Mistral AI تایمسترال را منتشر کرده است، اولین خانواده مدل های پایه سری زمانی خود، و انتشار بی سر و صدا اکنون در حال دریافت دومین اقدام پر سر و صدا است: این اعلامیه که در وبلاگ Mistral در 15 اکتبر منتشر شد، در 19 اکتبر به صفحه اول هکر نیوز رسید، جایی که صدها رای موافق را به همراه داشت. این زیرساخت برای عصر پایه-مدل غیرمعمول است - پیش‌بینی پیشرفته از مدل‌های کوچک به اندازه 5 میلیون تا 209 میلیون پارامتر که روی CPUهای سرور معمولی اجرا می‌شوند.

اول در هر سه معیار اصلی For more context on this story, see our ongoing latest AI developments.

Mistral می‌گوید بزرگترین مدل Timestral آن، تنها با پارامترهای 209M، در هر سه معیار عمومی اصلی - GIFT-Eval، TIME و fev-bench - در رتبه اول قرار دارد که تقریباً با دو سوم پارامترها از وضعیت قبلی پیشی می‌گیرد. نتایج به تابلوی امتیازات GIFT-Eval و TIME ارسال شد، و Mistral خاطرنشان می‌کند که اعداد از یک ایست بازرسی منفرد و بدون ترکیب می‌آیند.

مقایسه اندازه بخش قابل توجه است. میسترال گزارش می‌دهد که مدل 28M در GIFT-Eval و TIME بر Chronos-2، مدلی تقریباً چهار برابر بزرگ‌تر، می‌زند، در حالی که مدل 209M با پارامترهای کمتر، TimesFM-3 و Falcon-2.0 را شکست می‌دهد. این شرکت می‌گوید هر اندازه در خانواده، در مقابل دقت پارتو در مقابل اندازه مدل قرار می‌گیرد - به این معنی که هیچ مدل عمومی با تعداد پارامترهای مشابه بهتر پیش‌بینی نمی‌کند.

برای داده های سازمانی ساخته شده است که هیچ کس درباره آن توییت نمی کند

سری‌های زمانی جذاب نیستند اما در همه جا حاضر هستند: تله‌متری حسگر، معیارهای مشاهده‌پذیری، بار انرژی، جریان‌های زنجیره تامین، حجم مالی. استدلال میسترال این است که اینجاست که تکنیک‌های مدل پایه به سختی فرود آمده‌اند. ابزارهای کلاسیک مانند ARIMA به صورت مجزا در یک سری قرار می گیرند و مدل های یادگیری عمیق مانند PatchTST معمولاً از ابتدا در هر مجموعه داده آموزش داده می شوند، بنابراین هیچ چیز به دامنه های جدید منتقل نمی شود.

Timestral کتاب بازی پیش‌آموزشی را از مدل‌های زبان می‌گیرد و آن را روی دنباله‌های عددی اعمال می‌کند. این برنامه که بر روی یک مجموعه بزرگ و متنوع آموزش دیده است، صفر شات را بر روی داده هایی که هرگز ندیده است پیش بینی می کند - از جمله دامنه هایی که تاریخچه برچسب گذاری شده کمیاب است.

این مدل‌ها پیش‌بینی‌های احتمالی و چند متغیره را در 21 چندک تولید می‌کنند و سه نوع اطلاعات جانبی را می‌پذیرند: متغیرهای کمکی فقط در گذشته، متغیرهای کمکی شناخته شده-آینده مانند برنامه‌های تولید یا پیش‌بینی آب‌وهوا، و متغیرهای کمکی طبقه‌بندی مانند وضعیت ماشین (در حال کار، بی‌حرکت، در حال تعمیر و نگهداری) که در صورت اعداد مخدوش می‌شوند.

اقتصاد CPU

شاید مهمترین جزئیات تجاری: Timestral در استنتاج نیازی به GPU ندارد. میسترال می‌گوید در یک CPU سرور استاندارد با 8 رشته، پیش‌بینی یک روز قبل از سه هفته تاریخ 15 دقیقه‌ای، 10 میلی‌ثانیه با مدل 5M و 140 میلی‌ثانیه با مدل 209M طول می‌کشد. نسخه 123M با 0.2 درصد امتیاز پرچمدار در سه چهارم تاخیر خود می رسد.

این امر باعث می‌شود که پیش‌بینی مداوم در هزاران حسگر - کل ناوگان یک کارخانه صنعتی - به جای پروژه خوشه‌ای GPU، یک پیشنهاد سخت‌افزاری اصلی باشد.

زیر سرپوش: چهار شرط فنی

میسترال نتایج را به چندین تکنیک اعتبار می دهد که قصد دارد در گزارش فنی آتی جزئیات را شرح دهد:

  • پیش بینی افق جداشده (DHF). در رویکردهای رمزگشای علی مانند Toto 2.0 و TimesFM-3، مقادیری که باید پیش بینی شوند پوشانده شده و به عنوان زمینه از بین می روند. DHF تاریخچه کامل را در دنباله نگه می دارد در حالی که توکن های پیش بینی آموخته شده آن را می خوانند، بنابراین هر مقدار مشاهده شده هم به عنوان هدف و هم به عنوان زمینه عمل می کند، و شکاف های واقعی به عنوان گمشده پرچم گذاری می شوند.
  • توجه به متغیرهای کمکی. به هر سری ورودی یک نقش - هدف، متغیر کمکی فقط گذشته یا متغیر کمکی معلوم-آینده - با اطلاعاتی که فقط از متغیرهای کمکی به هدف‌ها جریان می‌یابد، اختصاص می‌یابد، بنابراین یک تقویم تعطیلات می‌تواند یک پیش‌بینی را بدون افشای آینده هدف ارائه دهد.
  • داده های اول ترکیبی. اکثر داده های آموزشی ترکیبی بودند: فرآیندهای تک متغیره با روندهای منسجم، فصلی و نویز، ترکیب شده توسط یک سینت سایزر چند متغیره که وابستگی های غیرخطی بین آنها را معرفی می کند.
  • آموزش دو مرحله ای. قبل از آموزش بر روی داده های کاملا مصنوعی در زمینه 8192، سپس پس از آموزش روی ترکیبی از داده های واقعی و مصنوعی با زمینه 4 برابر طولانی تر، با استفاده از از دست دادن پین بال بیش از 21 چندک به عنوان تقریب مجزا از CRPS.

وزنه های باز، استقرار با شکاف هوا

این خانواده در چهار اندازه - پارامترهای 5M، 28M، 123M و 209M - با طول زمینه 32768 گام زمانی ارسال می شود. Weights در Hugging Face تحت مجوز MIT اصلاح شده منتشر شده است و Mistral یک مخزن GitHub برای اجرای مدل ها بر روی داده های خصوصی منتشر کرده است. گزارش فنی کامل قول داده شده است که در پی خواهد آمد.

برای شرکت‌هایی که به موارد بیشتری نیاز دارند، Timestral از طریق Mistral Forge، خط لوله آموزشی شرکت، در دسترس است که از تنظیم دقیق داده‌های اختصاصی، پسوندهای معماری خاص دامنه، و کنترل بر روی ترکیب آموزشی - با استقرار بر روی سخت‌افزار مشتری، از جمله محیط‌های دارای شکاف هوا، پشتیبانی می‌کند. Mistral به صراحت می گوید که خط لوله می تواند تضمین کند که هیچ چیزی در طول آزمایش بک تست در داده های قبل از آموزش دیده نشده است، یک ادعای قابل توجه برای مشتریان مالی و صنعتی تحت نظارت است.

این شرکت همچنین آینده‌ای را برای مدل‌ها ترسیم می‌کند: تماشای جریان‌های حسگر تایمسترال، علامت‌گذاری یک ناهنجاری در پمپ، سپس واگذاری به یک عامل مدل زبان که خرابی‌های تاریخی مشابه را بازیابی می‌کند، تجزیه و تحلیل علل ریشه‌ای را روی سوابق تعمیر و نگهداری و گزارش‌های تغییر انجام می‌دهد، و پیش‌نویس تشخیصی را برای مدیر کارخانه تهیه می‌کند.

چرا مهم است

این انتشار یادآور این است که رقابت مدل پایه تنها در مورد LLM های تریلیون پارامتری نیست. پیش‌بینی یکی از پرحجم‌ترین حجم‌های کاری هوش مصنوعی در صنعت است و یک مدل با پارامتر 209M که معیارهای عمومی را در حین کار بر روی CPU هدایت می‌کند، می‌تواند بودجه واقعی را تغییر دهد. همچنین در زمانی که آزمایشگاه مستقر در پاریس، با افزایش 3 میلیارد یورویی با ارزش 21 میلیارد یورویی، در حال قرار دادن هوش مصنوعی اروپایی در حول حاکمیت، کارایی و استقرار در محل است - همه این جعبه‌ها را Timestral براساس طراحی بررسی می‌کند، مجموعه میسترال را فراتر از مدل‌های زبانی متنوع می‌کند.

_این مقاله بر اساس اعلامیه رسمی تایمسترال Mistral در 15 اکتبر 2026 است._

---

Stay Ahead of AI

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

Read more AI news →