Mistral AI ஆனது Timestral ஐ வெளியிட்டது, அதன் முதல் குடும்பமான டைம்-சீரிஸ் ஃபவுண்டேஷன் மாடல்கள், அமைதியான வெளியீடு இப்போது சத்தமாக இரண்டாவது செயலைப் பெறுகிறது: அக்டோபர் 15 அன்று Mistral இன் வலைப்பதிவில் வெளியிடப்பட்ட அறிவிப்பு, அக்டோபர் 19 அன்று ஹேக்கர் செய்திகளின் முதல் பக்கத்தை அடைந்தது, அங்கு அது நூற்றுக்கணக்கான வாக்குகளைப் பெற்றது. அடித்தள-மாடல் சகாப்தத்திற்கு பிட்ச் அசாதாரணமானது - சாதாரண சர்வர் CPUகளில் இயங்கும் 5 மில்லியன் முதல் 209 மில்லியன் அளவுருக்கள் வரையிலான மாடல்களில் இருந்து அதிநவீன முன்கணிப்பு.

மூன்று முக்கிய பெஞ்ச்மார்க்குகளிலும் முதலில் For more context on this story, see our ongoing AI trends.

மிஸ்ட்ரல், அதன் மிகப்பெரிய டைம்ஸ்ட்ரல் மாடல், வெறும் 209M அளவுருக்களில், துறையின் முக்கிய பொது அளவுகோல்களான GIFT-Eval, TIME மற்றும் fev-bench ஆகிய மூன்றிலும் முதல் இடத்தைப் பிடித்துள்ளதாகக் கூறுகிறது. முடிவுகள் GIFT-Eval மற்றும் TIME லீடர்போர்டுகளுக்குச் சமர்ப்பிக்கப்பட்டன, மேலும் இந்த எண்கள் குழுமமின்றி ஒரே சோதனைச் சாவடியிலிருந்து வந்ததாக மிஸ்ட்ரல் குறிப்பிடுகிறார்.

அளவு ஒப்பீடுகள் வேலைநிறுத்தம் செய்யும் பகுதியாகும். 28M மாடல் GIFT-Eval மற்றும் TIME இல் நான்கு மடங்கு பெரிய மாடலான Chronos-2 ஐத் தோற்கடிக்கிறது, அதே நேரத்தில் 209M மாடல் TimesFM-3 மற்றும் Falcon-2.0 ஆகியவற்றைக் குறைவான அளவுருக்களுடன் வெல்லும் என்று Mistral தெரிவிக்கிறது. குடும்பத்தில் உள்ள ஒவ்வொரு அளவும், நிறுவனம் கூறுகிறது, துல்லியம் மற்றும் மாதிரி அளவு ஆகியவற்றில் பரேட்டோ முன் அமர்ந்திருக்கிறது - அதாவது எந்த பொது மாதிரியும் அதே அளவுரு எண்ணிக்கையில் சிறப்பாக கணிக்கப்படவில்லை.

யாரும் ட்வீட் செய்யாத நிறுவன தரவுக்காக கட்டப்பட்டது

நேரத் தொடர் அநாகரீகமானது ஆனால் எங்கும் காணப்படுகிறது: சென்சார் டெலிமெட்ரி, கவனிக்கக்கூடிய அளவீடுகள், ஆற்றல் சுமை, விநியோகச் சங்கிலி ஓட்டங்கள், நிதி அளவுகள். மிஸ்ட்ராலின் வாதம் என்னவென்றால், அடித்தள மாதிரி நுட்பங்கள் அரிதாகவே இறங்கியது. ARIMA போன்ற கிளாசிக்கல் கருவிகள் தனித்தனியாக ஒரு தொடருக்கு பொருந்தும், மேலும் PatchTST போன்ற ஆழமான கற்றல் மாதிரிகள் பொதுவாக ஒரு தரவுத்தொகுப்புக்கு புதிதாக பயிற்சியளிக்கப்படுகின்றன, எனவே எதுவும் புதிய டொமைன்களுக்கு மாற்றப்படாது.

டைம்ஸ்ட்ரல் மொழி மாதிரிகளிலிருந்து பயிற்சிக்கு முந்தைய பிளேபுக்கை எடுத்து எண் வரிசைகளுக்குப் பயன்படுத்துகிறது. ஒரு பெரிய, பலதரப்பட்ட கார்பஸில் பயிற்றுவிக்கப்பட்ட, அது இதுவரை பார்த்திராத தரவுகளில் பூஜ்ஜிய-ஷாட்டை முன்னறிவிக்கிறது - லேபிளிடப்பட்ட வரலாறு குறைவாக உள்ள டொமைன்கள் உட்பட.

மாதிரிகள் 21 அளவுகளில் நிகழ்தகவு, பன்முக முன்னறிவிப்புகளை உருவாக்குகின்றன மற்றும் மூன்று வகையான பக்கத் தகவல்களை ஏற்றுக்கொள்கின்றன: கடந்த கால-மட்டும் கோவாரியட்டுகள், உற்பத்தி அட்டவணைகள் அல்லது வானிலை முன்னறிவிப்புகள் போன்ற அறியப்பட்ட-எதிர்கால கோவாரியட்டுகள் மற்றும் இயந்திரத்தின் நிலை (இயங்கும், செயலற்ற, பராமரிப்பின் கீழ்) போன்ற வகைப்படுத்தப்பட்ட கோவாரியட்டுகள்.

CPU பொருளாதாரம்

வணிகரீதியாக மிகவும் முக்கியத்துவம் வாய்ந்த விவரம்: டைம்ஸ்ட்ரலுக்கு அனுமானத்தில் GPU தேவையில்லை. 8 த்ரெட்கள் கொண்ட ஒரு நிலையான சர்வர் CPU இல், 15 நிமிட வரலாற்றின் மூன்று வாரங்களில் இருந்து ஒரு நாளை முன்னறிவிப்பதற்கு 5M மாடலுடன் 10 மில்லி விநாடிகள் மற்றும் 209M மாதிரியுடன் 140 மில்லி விநாடிகள் ஆகும் என்று மிஸ்ட்ரல் கூறுகிறார். 123M மாறுபாடு ஃபிளாக்ஷிப்பின் மதிப்பெண்ணில் 0.2%க்குள் அதன் முக்கால்வாசி தாமதத்தில் வருகிறது.

இது ஆயிரக்கணக்கான சென்சார்களில் தொடர்ச்சியான முன்னறிவிப்பை உருவாக்குகிறது - ஒரு தொழில்துறை ஆலையின் முழு கடற்படை - GPU கிளஸ்டர் திட்டத்திற்கு பதிலாக ஒரு முக்கிய வன்பொருள் முன்மொழிவு.

ஹூட்: நான்கு தொழில்நுட்ப சவால்

வரவிருக்கும் தொழில்நுட்ப அறிக்கையில் விவரிக்க திட்டமிட்டுள்ள பல நுட்பங்களுக்கு முடிவுகளை மிஸ்ட்ரல் வரவு வைக்கிறது:

  • **Decoupled Horizon Forecasting (DHF) டிஹெச்எஃப் முழு வரலாற்றையும் வரிசையாக வைத்திருக்கும் போது, ​​முன்னறிவிப்பு டோக்கன்கள் அதை படிக்கும் போது, ​​ஒவ்வொரு கவனிக்கப்பட்ட மதிப்பு இலக்கு மற்றும் சூழல் ஆகிய இரண்டிலும் செயல்படுகிறது, மேலும் உண்மையான இடைவெளிகள் காணாமல் போனதாகக் கொடியிடப்படும்.
  • **ஒவ்வொரு உள்ளீட்டுத் தொடருக்கும் ஒரு பங்கு ஒதுக்கப்பட்டுள்ளது - இலக்கு, கடந்தகால-மட்டும் இணை அல்லது அறியப்பட்ட-எதிர்கால கோவாரியட் - தகவல் கோவாரியட்டுகளில் இருந்து இலக்குகளுக்கு மட்டுமே பாயும், எனவே ஒரு விடுமுறை நாள்காட்டி இலக்கின் சொந்த எதிர்காலத்தை கசியவிடாமல் முன்னறிவிப்பை தெரிவிக்கும்.
  • செயற்கை-முதல் தரவு. பெரும்பாலான பயிற்சித் தரவு செயற்கையானது: ஒத்திசைவான போக்குகள், பருவநிலை மற்றும் இரைச்சல் ஆகியவற்றைக் கொண்ட ஒரே மாதிரியான செயல்முறைகள், அவற்றுக்கிடையே நேரியல் அல்லாத சார்புகளை அறிமுகப்படுத்தும் பன்முக சின்தசைசரால் இணைக்கப்பட்டது.
  • இரண்டு-நிலைப் பயிற்சி. 8,192 சூழலில் முற்றிலும் செயற்கைத் தரவுகளில் முன் பயிற்சி, பின்னர் 21 குவாண்டில்களுக்கு மேல் பின்பால் இழப்பை CRPS இன் தனித்துவமான தோராயமாகப் பயன்படுத்தி, 4x நீளமான சூழல் கொண்ட உண்மையான மற்றும் செயற்கைத் தரவுகளின் கலவையில் பயிற்சிக்குப் பிந்தைய பயிற்சி.

திறந்த எடைகள், காற்று-இடைவெளி வரிசைப்படுத்தல்

குடும்பம் நான்கு அளவுகளில் அனுப்பப்படுகிறது - 5M, 28M, 123M மற்றும் 209M அளவுருக்கள் - சூழல் நீளம் 32,768 நேர படிகளுடன். மாற்றியமைக்கப்பட்ட எம்ஐடி உரிமத்தின் கீழ் ஹக்கிங் ஃபேஸில் எடைகள் வெளியிடப்படுகின்றன, மேலும் தனிப்பட்ட தரவுகளில் மாடல்களை இயக்குவதற்கான கிட்ஹப் களஞ்சியத்தை மிஸ்ட்ரல் வெளியிட்டுள்ளது. முழு தொழில்நுட்ப அறிக்கையும் பின்பற்றப்படும் என்று உறுதியளிக்கப்பட்டுள்ளது.

மேலும் தேவைப்படும் நிறுவனங்களுக்கு, நிறுவனத்தின் பயிற்சிக் குழாய்களான மிஸ்ட்ரல் ஃபோர்ஜ் மூலம் டைம்ஸ்ட்ரல் கிடைக்கிறது, தனியுரிம தரவு, டொமைன் சார்ந்த கட்டடக்கலை நீட்டிப்புகள் மற்றும் பயிற்சி கலவையின் மீதான கட்டுப்பாடு ஆகியவற்றை நன்றாகச் சரிசெய்வதை ஆதரிக்கிறது. பயிற்சிக்கு முந்தைய தரவுகளில் பின்பரிசோதனையின் போது காணப்பட்ட எதுவும் இல்லை என்று பைப்லைன் உத்தரவாதம் அளிக்க முடியும் என்று மிஸ்ட்ரல் வெளிப்படையாகக் கூறுகிறார், இது ஒழுங்குபடுத்தப்பட்ட நிதி மற்றும் தொழில்துறை வாடிக்கையாளர்களுக்கான குறிப்பிடத்தக்க கோரிக்கையாகும்.

நிறுவனம் மாடல்களுக்கான ஏஜென்டிக் எதிர்காலத்தையும் வரைகிறது: டைம்ஸ்ட்ரல் சென்சார் ஸ்ட்ரீம்களைப் பார்ப்பது, பம்பில் ஒரு ஒழுங்கின்மையைக் கொடியிடுவது, பின்னர் இதே போன்ற வரலாற்று தோல்விகளை மீட்டெடுக்கும் மொழி-மாடல் ஏஜெண்டிடம் ஒப்படைப்பது, பராமரிப்புப் பதிவுகள் மற்றும் ஷிப்ட் பதிவுகள் மூலம் மூல காரண பகுப்பாய்வு நடத்துவது மற்றும் ஆலை மேலாளருக்கான நோயறிதலை வரைவது.

ஏன் இது முக்கியமானது

அடித்தளம் மாதிரி பந்தயம் டிரில்லியன் அளவுரு எல்எல்எம்களைப் பற்றியது மட்டுமல்ல என்பதை இந்த வெளியீடு நினைவூட்டுகிறது. முன்னறிவிப்பு என்பது தொழில்துறையில் அதிக அளவிலான AI பணிச்சுமைகளில் ஒன்றாகும், மேலும் CPU களில் இயங்கும் போது பொது வரையறைகளை வழிநடத்தும் 209M-அளவுரு மாதிரி உண்மையான வரவு செலவுகளை மாற்றலாம். பாரிஸை தளமாகக் கொண்ட ஆய்வகம், 21 பில்லியன் யூரோ மதிப்பீட்டில் 3 பில்லியன் யூரோக்களை உயர்த்தி, ஐரோப்பிய AI ஐ இறையாண்மை, செயல்திறன் மற்றும் வளாகத்தில் வரிசைப்படுத்துதல் - அனைத்து பெட்டிகளையும் டைம்ஸ்ட்ரல் வடிவமைப்பின் அடிப்படையில் சரிபார்க்கும் தருணத்தில், இது மொழி மாதிரிகளுக்கு அப்பால் மிஸ்ட்ரலின் போர்ட்ஃபோலியோவை வேறுபடுத்துகிறது.

_இந்தக் கட்டுரை அக்டோபர் 15, 2026 அன்று மிஸ்ட்ரலின் அதிகாரப்பூர்வ டைம்ஸ்ட்ரல் அறிவிப்பை அடிப்படையாகக் கொண்டது._

---

Stay Ahead of AI

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

Read more AI news →