Mistral AI نے Timestral کو جاری کیا ہے، جو اس کے ٹائم سیریز فاؤنڈیشن ماڈلز کا پہلا خاندان ہے، اور خاموش ریلیز اب ایک زور دار دوسرا عمل حاصل کر رہی ہے: یہ اعلان، 15 اکتوبر کو Mistral کے بلاگ پر شائع ہوا، 19 اکتوبر کو ہیکر نیوز کے صفحہ اول پر پہنچا، جہاں اس نے سینکڑوں ووٹ حاصل کیے تھے۔ فاؤنڈیشن ماڈل کے دور کے لیے پچ غیر معمولی ہے — 5 ملین سے 209 ملین پیرامیٹرز تک کے ماڈلز سے جدید ترین پیشن گوئی جو عام سرور CPUs پر چلتی ہے۔

تینوں بڑے بینچ مارکس پر سب سے پہلے For more context on this story, see our ongoing more AI stories.

Mistral کا کہنا ہے کہ اس کا سب سے بڑا Timestral ماڈل، صرف 209M پیرامیٹرز پر، فیلڈ کے تینوں اہم عوامی معیارات - GIFT-Eval، TIME اور fev-bench پر پہلے نمبر پر ہے - جو تقریباً دو تہائی پیرامیٹرز کے ساتھ آرٹ کی سابقہ حالت کو پیچھے چھوڑتا ہے۔ نتائج GIFT-Eval اور TIME لیڈر بورڈز پر جمع کرائے گئے تھے، اور Mistral نوٹ کرتا ہے کہ نمبر ایک ہی چوکی سے بغیر جوڑے کے آتے ہیں۔

سائز کا موازنہ اہم حصہ ہے۔ Mistral نے رپورٹ کیا ہے کہ 28M ماڈل Chronos-2 کو ہرا دیتا ہے، ایک ماڈل تقریباً چار گنا بڑے، GIFT-Eval اور TIME پر، جبکہ 209M ماڈل کم پیرامیٹرز کے ساتھ TimesFM-3 اور Falcon-2.0 کو ہرا دیتا ہے۔ کمپنی کا کہنا ہے کہ خاندان کا ہر سائز ماڈل سائز کے مقابلے میں درستگی کے سامنے پیریٹو کے سامنے بیٹھتا ہے - یعنی کوئی عوامی ماڈل ایک ہی پیرامیٹر کی گنتی میں بہتر پیش گوئی نہیں کرتا ہے۔

انٹرپرائز ڈیٹا کے لیے بنایا گیا جس کے بارے میں کوئی بھی ٹویٹ نہیں کرتا ہے۔

ٹائم سیریز غیر واضح لیکن ہر جگہ ہے: سینسر ٹیلی میٹری، مشاہداتی میٹرکس، توانائی کا بوجھ، سپلائی چین کا بہاؤ، مالی حجم۔ Mistral کی دلیل یہ ہے کہ یہ وہ جگہ ہے جہاں فاؤنڈیشن ماڈل کی تکنیک بمشکل اتری ہے۔ کلاسیکل ٹولز جیسے ARIMA تنہائی میں ایک ہی سیریز میں فٹ بیٹھتے ہیں، اور گہری سیکھنے کے ماڈل جیسے PatchTST کو عام طور پر فی ڈیٹا سیٹ شروع سے تربیت دی جاتی ہے، اس لیے کچھ بھی نئے ڈومینز میں منتقل نہیں ہوتا ہے۔

ٹائمسٹرل زبان کے ماڈلز سے پری ٹریننگ پلے بک لیتا ہے اور اسے عددی ترتیب پر لاگو کرتا ہے۔ ایک بڑے، متنوع کارپس پر تربیت یافتہ، یہ اس ڈیٹا پر صفر شاٹ کی پیش گوئی کرتا ہے جو اس نے کبھی نہیں دیکھا — بشمول ڈومینز جہاں لیبل لگا ہوا تاریخ کم ہے۔

ماڈلز 21 کوانٹائلز میں امکانی، ملٹی ویریٹیٹ پیشن گوئیاں تیار کرتے ہیں اور تین قسم کی ضمنی معلومات کو قبول کرتے ہیں: صرف ماضی کی کوویریٹس، معلوم مستقبل کی کوویریٹس جیسے پروڈکشن شیڈولز یا موسم کی پیشین گوئیاں، اور مشین کی حالت (چلنے والی، بیکار، دیکھ بھال کے تحت) جو کہ پلاٹین نمبر کو انکوڈ کرنے پر مسخ ہوجائے گی۔

سی پی یو اکنامکس

شاید تجارتی لحاظ سے سب سے اہم تفصیل: ٹائمسٹرل کو کسی GPU کی ضرورت نہیں ہے۔ 8 تھریڈز کے ساتھ ایک معیاری سرور CPU پر، Mistral کا کہنا ہے کہ، 15 منٹ کی تاریخ کے تین ہفتوں سے ایک دن آگے پیش گوئی کرنے میں 5M ماڈل کے ساتھ 10 ملی سیکنڈ اور 209M ماڈل کے ساتھ 140 ملی سیکنڈ لگتے ہیں۔ 123M ویرینٹ فلیگ شپ کے سکور کے 0.2% کے اندر اس کی تاخیر کے تین چوتھائی پر آتا ہے۔

یہ ہزاروں سینسروں میں مسلسل پیشن گوئی کرتا ہے - ایک صنعتی پلانٹ کا پورا بیڑا - ایک GPU کلسٹر پروجیکٹ کے بجائے مرکزی دھارے کا ہارڈویئر تجویز۔

انڈر دی ہڈ: چار ٹیکنیکل بیٹس

Mistral نتائج کا سہرا کئی تکنیکوں کو دیتا ہے جو اس کی آئندہ تکنیکی رپورٹ میں تفصیل دینے کا ارادہ رکھتا ہے:

  • Decoupled Horizon Forecasting (DHF)۔ Toto 2.0 اور TimesFM-3 جیسے causal decoder اپروچز میں، پیشن گوئی کی جانے والی اقدار کو سیاق و سباق کے طور پر چھپا دیا جاتا ہے اور کھو دیا جاتا ہے۔ ڈی ایچ ایف پوری تاریخ کو ترتیب میں رکھتا ہے جب کہ سیکھے ہوئے پیشن گوئی ٹوکن اسے پڑھتے ہیں، اس لیے ہر مشاہدہ شدہ قدر ہدف اور سیاق و سباق دونوں کے طور پر کام کرتی ہے، اور حقیقی خلاء غائب کے طور پر نشان زد رہتے ہیں۔
  • کوویریٹ سے آگاہی کی توجہ۔ ہر ان پٹ سیریز کو ایک کردار تفویض کیا جاتا ہے — ہدف، صرف ماضی کا کوویریٹ یا معلوم مستقبل کا کوویریٹ — جس میں معلومات صرف کوویریٹس سے اہداف تک جاتی ہیں، اس لیے چھٹی کا کیلنڈر ہدف کے اپنے مستقبل کو لیک کیے بغیر پیشن گوئی کی اطلاع دے سکتا ہے۔
  • مصنوعی-پہلا ڈیٹا۔ تربیتی اعداد و شمار کی اکثریت مصنوعی تھی: مربوط رجحانات، موسمیت اور شور کے ساتھ غیر متغیر عمل، ایک ملٹی ویریٹیٹ سنتھیسائزر کے ذریعہ جو ان کے درمیان غیر خطی انحصار کو متعارف کراتے ہیں۔
  • دو مرحلوں کی تربیت۔ 8,192 سیاق و سباق میں خالص مصنوعی ڈیٹا پر پری ٹریننگ، پھر 4x طویل سیاق و سباق کے ساتھ حقیقی اور مصنوعی ڈیٹا کے مرکب پر تربیت کے بعد، CRPS کے مجرد تخمینے کے طور پر 21 کوانٹائل سے زیادہ پنبال نقصان کا استعمال کرتے ہوئے۔

کھلے وزن، ایئر گیپڈ تعیناتی۔

فیملی بحری جہاز چار سائزوں - 5M، 28M، 123M اور 209M پیرامیٹرز میں - 32,768 ٹائم سٹیپس کے سیاق و سباق کی لمبائی کے ساتھ۔ وزن ایک ترمیم شدہ MIT لائسنس کے تحت Hugging Face پر شائع کیا جاتا ہے، اور Mistral نے ماڈلز کو نجی ڈیٹا پر چلانے کے لیے GitHub ذخیرہ جاری کیا ہے۔ مکمل تکنیکی رپورٹ پر عمل کرنے کا وعدہ کیا گیا ہے۔

جن کاروباری اداروں کو مزید ضرورت ہے، Timestral Mistral Forge کے ذریعے دستیاب ہے، کمپنی کی ٹریننگ پائپ لائن، ملکیتی ڈیٹا پر فائن ٹیوننگ، ڈومین کے لیے مخصوص آرکیٹیکچرل ایکسٹینشنز، اور ٹریننگ مکس پر کنٹرول — کسٹمر ہارڈویئر پر تعیناتی کے ساتھ، بشمول ایئر گیپڈ ماحول۔ Mistral واضح طور پر کہتا ہے کہ پائپ لائن اس بات کی ضمانت دے سکتی ہے کہ بیک ٹیسٹنگ کے دوران جو کچھ بھی نہیں دیکھا گیا وہ پری ٹریننگ ڈیٹا میں نہیں تھا، یہ ریگولیٹڈ فنانس اور صنعتی صارفین کے لیے ایک قابل ذکر دعویٰ ہے۔

کمپنی ماڈلز کے لیے ایک ایجنٹی مستقبل کا خاکہ بھی بناتی ہے: ٹائم سٹرل دیکھنے والے سینسر اسٹریمز، پمپ پر بے ضابطگی کو جھنڈا لگانا، پھر ایک لینگویج ماڈل ایجنٹ کے حوالے کرنا جو اسی طرح کی تاریخی ناکامیوں کو بازیافت کرتا ہے، دیکھ بھال کے ریکارڈ اور شفٹ لاگز پر جڑ کا تجزیہ کرتا ہے، اور پلانٹ کی تشخیص کے لیے ایک مسودہ تیار کرتا ہے۔

یہ کیوں اہمیت رکھتا ہے۔

ریلیز ایک یاد دہانی ہے کہ فاؤنڈیشن ماڈل ریس صرف ٹریلین پیرامیٹر ایل ایل ایم کے بارے میں نہیں ہے۔ پیشن گوئی صنعت میں سب سے زیادہ حجم والے AI کام کے بوجھ میں سے ایک ہے، اور ایک 209M-پیرامیٹر ماڈل جو CPUs پر چلتے ہوئے عوامی معیارات کی قیادت کرتا ہے حقیقی بجٹ کو تبدیل کر سکتا ہے۔ یہ ایک ایسے وقت میں Mistral کے پورٹ فولیو کو زبان کے ماڈلز سے آگے بھی متنوع بناتا ہے جب پیرس میں قائم لیب، € 21 بلین کی قیمت میں €3 بلین اضافے سے تازہ، یورپی AI کو خودمختاری، کارکردگی اور آن پریمیسس تعیناتی کے ارد گرد پوزیشن دے رہی ہے۔

_یہ مضمون Mistral کے 15 اکتوبر 2026 کے آفیشل ٹائمسٹرل اعلان پر مبنی ہے۔_

---

Stay Ahead of AI

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

Read more AI news →