Mistral AI telah mengeluarkan Timestral, keluarga pertama model asas siri masa, dan keluaran senyap kini mendapat tindakan kedua yang lantang: pengumuman itu, yang diterbitkan di blog Mistral pada 15 Oktober, mencapai muka depan Berita Hacker pada 19 Oktober, di mana ia mendapat ratusan undian positif. Padang adalah luar biasa untuk era model asas — ramalan terkini daripada model sekecil 5 juta hingga 209 juta parameter yang dijalankan pada CPU pelayan biasa.
Pertama pada Ketiga-tiga Penanda Aras Utama For more context on this story, see our ongoing AI trends.
Mistral berkata model Timestral terbesarnya, pada hanya 209M parameter, menduduki tempat pertama pada ketiga-tiga penanda aras awam utama bidang — GIFT-Eval, TIME dan fev-bench — mengatasi prestasi terkini dengan kira-kira dua pertiga daripada parameter. Keputusan telah diserahkan ke papan pendahulu GIFT-Eval dan TIME, dan Mistral menyatakan bahawa nombor itu datang dari satu pusat pemeriksaan tanpa ensemble.
Perbandingan saiz adalah bahagian yang menarik. Mistral melaporkan bahawa model 28M mengalahkan Chronos-2, model kira-kira empat kali lebih besar, pada GIFT-Eval dan TIME, manakala model 209M mengalahkan TimesFM-3 dan Falcon-2.0 dengan parameter yang lebih sedikit. Setiap saiz dalam keluarga, kata syarikat itu, terletak pada ketepatan hadapan Pareto berbanding saiz model — bermakna tiada model awam meramalkan lebih baik pada kiraan parameter yang sama.
Dibina untuk Data Perusahaan Tiada Siapa Tweet Tentang
Siri masa tidak menarik tetapi ada di mana-mana: telemetri penderia, metrik kebolehmerhatian, beban tenaga, aliran rantaian bekalan, volum kewangan. Hujah Mistral ialah di sinilah teknik model asas hampir tidak mendarat. Alat klasik seperti ARIMA memuatkan satu siri secara berasingan dan model pembelajaran mendalam seperti PatchTST biasanya dilatih dari awal setiap set data, jadi tiada apa-apa yang dipindahkan ke domain baharu.
Timestral mengambil buku main pralatihan daripada model bahasa dan menggunakannya pada jujukan berangka. Dilatih pada korpus yang besar dan pelbagai, ia meramalkan pukulan sifar pada data yang tidak pernah dilihatnya — termasuk domain yang sejarah berlabel adalah terhad.
Model tersebut menghasilkan ramalan kebarangkalian, multivariate merentas 21 kuantil dan menerima tiga jenis maklumat sampingan: kovariat lepas sahaja, kovariat masa hadapan yang diketahui seperti jadual pengeluaran atau ramalan cuaca dan kovariat kategori seperti keadaan mesin (berjalan, melahu, dalam penyelenggaraan) yang akan diherotkan jika dikodkan sebagai nombor biasa.
Ekonomi CPU
Mungkin butiran yang paling penting secara komersial: Timestral tidak memerlukan GPU pada inferens. Mengenai CPU pelayan standard dengan 8 utas, Mistral berkata, ramalan satu hari lebih awal daripada tiga minggu sejarah 15 minit mengambil masa 10 milisaat dengan model 5M dan 140 milisaat dengan model 209M. Varian 123M datang dalam 0.2% daripada skor perdana pada tiga perempat daripada kependamannya.
Itu menjadikan ramalan berterusan merentas beribu-ribu penderia - keseluruhan armada kilang perindustrian - cadangan perkakasan arus perdana dan bukannya projek kluster GPU.
Di Bawah Hud: Empat Pertaruhan Teknikal
Mistral mengkreditkan hasilnya kepada beberapa teknik yang dirancang untuk diperincikan dalam laporan teknikal yang akan datang:
- Decoupled Horizon Forecasting (DHF). Dalam pendekatan penyahkod kausal seperti Toto 2.0 dan TimesFM-3, nilai yang akan diramalkan disembunyikan dan hilang sebagai konteks. DHF menyimpan sejarah penuh dalam urutan sementara token ramalan yang dipelajari membacanya, jadi setiap nilai yang diperhatikan berfungsi sebagai kedua-dua sasaran dan konteks, dan jurang sebenar kekal ditandakan sebagai tiada.
- Perhatian sedar kovariat. Setiap siri input diberikan peranan — sasaran, kovariat lepas sahaja atau kovariat masa hadapan yang diketahui — dengan maklumat mengalir hanya daripada kovariat ke sasaran, jadi kalendar cuti boleh memaklumkan ramalan tanpa membocorkan masa depan sasaran itu sendiri.
- Data diutamakan sintetik. Majoriti data latihan adalah sintetik: proses univariate dengan aliran koheren, bermusim dan hingar, digabungkan oleh pensintesis multivariat yang memperkenalkan kebergantungan tak linear di antara mereka.
- Latihan dua peringkat. Pra-latihan pada data sintetik semata-mata pada konteks 8,192, kemudian pasca latihan pada gabungan data sebenar dan sintetik dengan konteks 4x lebih lama, menggunakan kehilangan bola pin melebihi 21 kuantil sebagai anggaran diskret CRPS.
Wajaran Terbuka, Penggunaan Bergap Udara
Keluarga itu dihantar dalam empat saiz — parameter 5M, 28M, 123M dan 209M — dengan panjang konteks 32,768 langkah masa. Weights diterbitkan pada Hugging Face di bawah lesen MIT yang diubah suai, dan Mistral telah mengeluarkan repositori GitHub untuk menjalankan model pada data peribadi. Laporan teknikal penuh dijanjikan akan menyusul.
Untuk perusahaan yang memerlukan lebih banyak, Timestral tersedia melalui Mistral Forge, saluran paip latihan syarikat, menyokong penalaan halus pada data proprietari, sambungan seni bina khusus domain dan kawalan ke atas campuran latihan — dengan penggunaan pada perkakasan pelanggan, termasuk persekitaran bergap udara. Mistral secara eksplisit mengatakan bahawa saluran paip itu boleh menjamin bahawa tiada apa yang dilihat semasa ujian belakang adalah dalam data pra-latihan, tuntutan ketara untuk kewangan terkawal dan pelanggan industri.
Syarikat itu juga melakar masa depan ejen untuk model: Strim penderia menonton masa, membenderakan anomali pada pam, kemudian menyerahkan kepada ejen model bahasa yang mendapatkan semula kegagalan sejarah yang serupa, menjalankan analisis punca ke atas rekod penyelenggaraan dan log anjakan, dan merangka diagnosis untuk pengurus loji.
Mengapa Ia Penting
Keluaran ini adalah peringatan bahawa perlumbaan model asas bukan sahaja kira-kira trilion parameter LLM. Ramalan ialah salah satu beban kerja AI volum tertinggi dalam industri, dan model parameter 209M yang menerajui penanda aras awam semasa berjalan pada CPU boleh mengalihkan belanjawan sebenar. Ia juga mempelbagaikan portfolio Mistral melangkaui model bahasa pada ketika makmal yang berpangkalan di Paris, yang baru mendapat kenaikan €3 bilion pada penilaian €21 bilion, meletakkan AI Eropah di sekitar kedaulatan, kecekapan dan penggunaan di premis — semua kotak disemak Timestral mengikut reka bentuk.
_Artikel ini adalah berdasarkan pengumuman rasmi Timestral Mistral pada 15 Oktober 2026._
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
