Mistral 发布时间序列基础模型 Timestral，209M 参数登顶 GIFT-Eval、TIME 和 fev-bench

Thinking

Summary

Timestral 是 Mistral 的首个时间序列基础模型系列，仅用 209M 参数即可提供最先进的概率化、多变量预测，在关键基准测试上超越更大的模型，同时支持过去和未来协变量。提供四种规模（5M 到 209M 参数），兼顾准确性与效率，可在 CPU 上高效运行，并在多个领域的零样本预测中表现出色。该模型结合了合成预训练、协变量感知注意力和长上下文学习，并可通过 Mistral Forge 进行微调以实现领域适配。

今天，我们发布 Timestral，我们的首个时间序列基础模型系列。我们最大的模型仅有 209M 参数，却在该领域三大主要公开基准 GIFT-Eval、TIME 和 fev-bench 上均排名第一，以仅三分之二的模型参数超越了此前的最先进水平。

Timestral 提供概率化、多变量预测，并支持仅过去协变量和已知未来协变量。我们的模型系列位于预测准确率与模型规模的帕累托前沿，在每个规模上都提供领先性能。结果已提交至 GIFT-Eval 和 TIME 排行榜。

时间序列是企业中最常见的数据类型之一，从传感器遥测到可观测性指标皆属此类。基于时间序列构建的预测驱动着容量规划、能源、供应链、风险和运维等领域的决策。

工业工厂根据生产计划预测过程传感器数据，在设备故障前发现漂移，并为数千台资产规划产能和备件。财务团队预测数千个账户的资金流、交易量和波动率，为头寸、对冲和资金管理提供依据。

ARIMA 和线性回归等经典模型仍然是时间序列预测的成熟工具。这些模型通常拟合单个序列，仅从该序列的历史中学习。

PatchTST 等深度学习模型增加了跨许多相关序列学习非线性模式的能力，但它们通常仍在每个数据集上从头训练，因此学到的东西无法迁移到新领域。

时间序列基础模型将预训练方法引入时间序列。我们的模型在庞大且多样化的语料上训练，学习可跨序列迁移的模式，对从未见过的数据进行零样本预测，即使在数据稀缺的领域也是如此。

基准测试结果

我们在三大主要公开预测基准上评估了 Timestral：GIFT-Eval、TIME 和 fev-bench。在预训练零样本模型中，它在全部五项指标上均排名第一。这些结果来自单个检查点，未使用集成。

GIFT-Eval，83 个可比较的预训练与零样本条目中的前十名。越低越好。

TIME，35 个排行榜条目中的前十名。两项指标均为越低越好。

fev-bench，37 个排行榜条目中的前十名，按 SQL skill score 排名。越高越好。

针对每种规格优化的模型系列

Timestral 已优化为一个包含四种模型的系列：5M、28M、123M 和 209M 参数。较大的模型提升预测性能，较小的模型则更快、更便宜。四者共享相同的架构和训练配方。每个规模都位于准确率与模型规模的帕累托前沿：在每种模型规模下，没有公开模型能预测得更好。

在 GIFT-Eval、TIME 和 fev-bench 上的得分与模型规模对比（以 1 − 技能得分表示）。越低越好。我们的 28M 模型在 GIFT-Eval 和 TIME 上击败了约大四倍的 Chronos-2。我们的 209M 模型以更少的参数击败了 TimesFM-3 和 Falcon-2.0。

Timestral 在推理时不需要 GPU。在标准的 8 线程服务器 CPU 上，用 5M 模型从三周的 15 分钟历史数据预测未来一天耗时 10 ms，209M 模型耗时 140 ms。较小的模型以部分精度换取速度：28M 模型比 209M 模型快五倍，而 123M 模型以四分之三的延迟达到了 209M 得分的 0.2% 以内。

一个工业示例

设想一座工业工厂，其设备上布有数千个传感器。Timestral 可以通过多种方式改进这些数据上的预测。

多变量预测。泵的振动、温度和压力并非独立变化。一个量的上升往往解释或导致另一个量的变化。Timestral 对相关序列进行联合建模，因此可以利用这些依赖关系，而不是孤立地预测每个传感器。

概率预测。单一预测值可能无法展现全貌。Timestral 预测完整的 quantile 集合，因此团队可以看到不确定性有多大，据此设置告警阈值，并围绕风险而非单一数字来规划维护。

类别协变量。有些协变量取值来自一组类别而非连续数字，例如星期几，或机器的状态（运行、空闲、维护中）。将这些编码为数字会强加它们本不具有的顺序或尺度。Timestral 直接将它们作为类别输入以改进预测。

已知未来协变量。有些传感器行为的驱动因素是提前已知的，例如生产计划、计划停机、天气预报。Timestral 可以以它们为条件来改进预测质量，因此计划中的负载增加是可预期的，而不会被标记为意外。

从模型到系统

Timestral 是一个数值模型，可以运行在现有的监控流水线中，也可以在多模态智能体工作流中与我们的语言模型配合使用。

在工厂中，这可能看起来像这样：

1. Timestral 持续运行在工厂的传感器流上，在异常发生时进行检测。

2. 当它在某个泵上标记出异常时，一个智能体会嵌入这些信号并与过去传感器数据的嵌入进行比较，以找到相似的历史故障。

3. 随后该智能体启动子智能体来运行根因分析，利用来自该工厂的上下文，例如维护记录、班次日志和操作员笔记、设备手册、过往工单，以及相关设备的读数。

4. 智能体根据发现起草一份建议诊断，附有支持证据和可能的下一步措施。

工厂经理得到的是有传感器数据支持的诊断和计划，而不仅仅是一条告警。

关键技术贡献

这些结果融合了若干想法。每一个都将在技术报告中详细描述。

1. 解耦视野预测。如 Toto 2.0 和 TimesFM-3 那样，使用连续片段掩码训练的因果解码器会遮住待预测的值，使其看起来像缺失值，也因此无法作为后续预测的上下文。我们的方法 DHF 将两者分离：完整历史保留在序列中，学习到的预测 token 读取其之前的历史。这样每个观测值既是目标又是上下文，真正的空缺仍标记为缺失，训练视野长度和缺失数据增强也可以彼此独立调整。

2. 协变量感知注意力。每个输入序列被赋予一个角色：目标变量、仅过去协变量或已知未来协变量。已知未来协变量在整个窗口内可见，而目标保持因果性，信息只从协变量流向目标。因此 Timestral 可以使用节假日日历或天气预报，而不会把目标自身的未来泄漏到其预测中。

3. 合成数据优先。大部分训练数据是合成的。我们首先生成具有连贯时间动态的单变量过程，包括趋势、季节性和多样化的噪声模式。然后使用多变量合成器，在这些过程之间引入非线性依赖关系，从而构造多变量序列。

4. 两阶段训练。Timestral 首先在纯合成数据上以 8192 的上下文大小进行大规模预训练，然后在真实与合成数据混合的数据上以 4 倍长的上下文进行后训练。目标函数是 21 个分位数上的 pinball 损失，即 CRPS 的离散近似。

一个可以适配的模型

公开基准衡量的是通用性能，但生产数据在行为与结构上可能显著不同，也可能随时间变化，因为市场状态改变、设备老化、需求模式迁移。持久的价值在于能够把模型适配到域内数据，并在分布变化时持续重新训练。

对于希望更进一步的组织，Timestral 可通过 Mistral Forge 使用，这与我们用于语言模型的训练流水线相同。它支持：

• 开箱即用的零样本推理。

• 架构扩展，例如特定领域的协变量。

• 在专有数据上微调，在保持通用性能的同时专精于某一领域。

• 对训练数据的控制，包括调整训练混合、回放预训练数据，以及生成反映目标领域的合成数据样本。对数据的完全控制确保我们回测时所用的任何数据在预训练期间都未曾见过。

整个流水线可以部署在客户的硬件上，包括气隙环境。

下一步

我们已发布一个 GitHub 仓库，以便你在自己的数据上运行 Timestral。包含完整结果的技术报告将随后发布。如有更专业的预测问题，或希望合作研究，请联系我们。