Mistral AI выпустила Timestral, свое первое семейство базовых моделей временных рядов, и этот тихий выпуск теперь получил громкий второй акт: объявление, опубликованное в блоге Mistral 15 октября, 19 октября достигло первой страницы Hacker News, где оно собрало сотни голосов. Эта идея необычна для эпохи фундаментальных моделей — современное прогнозирование на основе моделей размером от 5 до 209 миллионов параметров, которые выполняются на обычных серверных процессорах.

Первое место по всем трем основным показателям Подробнее об этой истории — в нашем тенденции ИИ.

Mistral заявляет, что ее крупнейшая модель Timestral, имеющая всего 209 миллионов параметров, занимает первое место по всем трем основным публичным тестам в этой области — GIFT-Eval, TIME и fev-bench — превосходя предыдущую модель примерно по двум третям параметров. Результаты были отправлены в таблицы лидеров GIFT-Eval и TIME, и Мистраль отмечает, что цифры получены из одной контрольной точки без объединения.

Сравнение размеров является поразительной частью. Mistral сообщает, что модель 28M превосходит Chronos-2, модель примерно в четыре раза большую, по показателям GIFT-Eval и TIME, а модель 209M превосходит TimesFM-3 и Falcon-2.0 с меньшим количеством параметров. По словам компании, каждый размер в семействе находится на фронте Парето относительно точности и размера модели — это означает, что ни одна общедоступная модель не дает лучших прогнозов при том же количестве параметров.

Создано для корпоративных данных, о которых никто не пишет в Твиттере

Временные ряды непривлекательны, но повсеместны: телеметрия датчиков, показатели наблюдаемости, энергетическая нагрузка, потоки цепочки поставок, финансовые объемы. Аргумент Мистраля состоит в том, что именно здесь методы фундаментальной модели едва приземлились. Классические инструменты, такие как ARIMA, подходят для одной серии изолированно, а модели глубокого обучения, такие как PatchTST, обычно обучаются с нуля для каждого набора данных, поэтому ничего не переносится в новые домены.

Timestral берет сценарий предварительного обучения из языковых моделей и применяет его к числовым последовательностям. Обученный на большом и разнообразном корпусе, он прогнозирует нулевую вероятность для данных, которые он никогда не видел, включая области, где помеченная история недостаточна.

Модели создают вероятностные многомерные прогнозы по 21 квантилю и принимают три вида дополнительной информации: ковариаты только прошлого, ковариаты известного будущего, такие как производственные графики или прогнозы погоды, и категориальные ковариаты, такие как состояние машины (работает, простаивает, находится на обслуживании), которые были бы искажены, если бы их закодировали в виде простых чисел.

Экономика процессора

Возможно, самая коммерчески значимая деталь: Timestral не нуждается в графическом процессоре для вывода. По словам Мистраля, на стандартном серверном процессоре с 8 потоками прогнозирование на день вперед на основе трех недель 15-минутной истории занимает 10 миллисекунд с моделью 5M и 140 миллисекунд с моделью 209M. Вариант 123M находится в пределах 0,2% от показателя флагмана при задержке, составляющей три четверти его задержки.

Это делает непрерывное прогнозирование по тысячам датчиков — всему парку промышленного предприятия — распространенным аппаратным предложением, а не проектом кластера графических процессоров.

Под капотом: четыре технических ставки

Mistral приписывает результаты нескольким технологиям, которые планирует подробно описать в следующем техническом отчете:

  • Прогнозирование разделенного горизонта (DHF). В подходах причинного декодера, таких как Toto 2.0 и TimesFM-3, прогнозируемые значения маскируются и теряются как контекст. DHF сохраняет полную историю в последовательности, пока ее считывают изученные токены прогноза, поэтому каждое наблюдаемое значение служит одновременно целью и контекстом, а истинные пробелы остаются помеченными как отсутствующие.
  • Внимание с учетом ковариат. Каждому ряду входных данных назначается роль — целевая, ковариата только для прошлого или ковариата с известным будущим — при этом информация передается только от ковариат к целевым, поэтому календарь праздников может информировать прогноз, не раскрывая собственное будущее цели.
  • Синтетические данные. Большая часть обучающих данных была синтетической: одномерные процессы с последовательными тенденциями, сезонностью и шумом, объединенные многомерным синтезатором, который вводит между ними нелинейные зависимости.
  • Двухэтапное обучение. Предварительное обучение на чисто синтетических данных в контексте 8192, затем пост-обучение на смеси реальных и синтетических данных с контекстом, в 4 раза более длинным, с использованием потерь пинбола в течение 21 квантиля в качестве дискретной аппроксимации CRPS.

Открытые веса, развертывание с воздушным зазором

Семейство поставляется в четырех размерах — с параметрами 5M, 28M, 123M и 209M — с длиной контекста 32 768 временных шагов. Веса публикуются на Hugging Face под измененной лицензией MIT, а Mistral выпустила репозиторий GitHub для запуска моделей на частных данных. Полный технический отчет обещают последовать.

Для предприятий, которым нужно больше, Timestral доступен через Mistral Forge, систему обучения компании, поддерживающую тонкую настройку собственных данных, архитектурные расширения для конкретной предметной области и контроль над сочетанием обучения — с развертыванием на оборудовании заказчика, включая изолированные среды. В Mistral прямо заявляют, что конвейер может гарантировать, что в данных предварительного обучения не будет ничего, обнаруженного в ходе бэктестинга, что является заметным заявлением для регулируемых финансовых и промышленных клиентов.

Компания также рисует агентное будущее для моделей: Timestral наблюдает за потоками датчиков, отмечает аномалии в насосе, затем передает работу агенту языковой модели, который извлекает аналогичные исторические сбои, проводит анализ первопричин по записям технического обслуживания и журналам смен, а также составляет диагноз для директора завода.

Почему это важно

Этот релиз является напоминанием о том, что гонка базовых моделей касается не только LLM с триллионом параметров. Прогнозирование — одна из самых объемных задач ИИ в отрасли, и модель с 209 млн параметров, которая лидирует в общедоступных тестах и ​​работает на процессорах, может изменить реальные бюджеты. Это также диверсифицирует портфель Mistral за пределы языковых моделей в тот момент, когда парижская лаборатория, только что получившая 3 миллиарда евро при оценке в 21 миллиард евро, позиционирует европейский искусственный интеллект с точки зрения суверенитета, эффективности и локального развертывания — все это проверяется Timestral по замыслу.

_Эта статья основана на официальном заявлении Mistral Timestral от 15 октября 2026 г._

---

Будьте в курсе ИИ

Последние новости, аналитика и прорывы в сфере ИИ — всё в одном месте.

Читать больше новостей об ИИ →