Mistral 发布 Timestral 时间序列基础模型，性能超越谷歌 TimesFM-3

Mistral于2026-10-15发布Timestral时间序列基础模型系列，提供5M、28M、123M和209M四种规模，关注价值在于其试图用较小模型和CPU推理降低时间序列预测的部署门槛。

• Mistral官方称，209M模型在GIFT-Eval、TIME和fev-bench三个公开基准的预训练零样本模型比较中排名靠前，并报告其优于TimesFM-3等模型。
• Mistral Docs确认Timestral 1.0支持最长约32K时间步、过去与已知未来协变量，以及概率分位数输出。
• 模型可联合处理多变量序列，适合需求、传感器或运营指标等需要同时利用相关序列的信息。
• 官方介绍称其推理无需GPU；但公开成绩主要来自基准测试，不能直接等同于特定企业数据上的业务收益。
• 影响/看点：如果在真实数据上保持精度并满足延迟、隐私和维护要求，Timestral可能降低预测服务的硬件成本；其实际优势仍取决于数据分布、预测周期和领域适配效果。资料依据:
• Mistral（2026-10-15）：https://mistral.ai/news/timestral/
• Mistral Docs（2026-10-15）：https://docs.mistral.ai/models/timestral-1-0
• MarkTechPost（2026-10-18）：https://www.marktechpost.com/2026/10/18/mistral-timestral-time-series-foundation-model/

本内容由 AI 生成，仅供参考，请注意甄别