Mistral 发布 Timestral 时序基础模型家族，209M 参数登顶 GIFT-Eval、TIME 和 fev-bench

思考中

总结

Timestral 是 Mistral 首个时间序列基础模型家族，仅用 209M 参数即可提供最先进的概率性多变量预测，在关键基准测试中超越更大的模型，同时支持过去和未来协变量。该模型提供四种规格（5M 到 209M 参数），兼顾精度与效率，可在 CPU 上高效运行，并在多样化领域的零样本预测中表现出色。该模型结合了合成预训练、协变量感知注意力机制和长上下文学习，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家族。我们最大的模型仅有 209M 参数，在该领域三大主要公开基准测试 GIFT-Eval、TIME 和 fev-bench 上均排名第一，仅用三分之二的模型参数就超越了之前的最先进水平。

Timestral 提供概率性多变量预测，并支持仅限过去的协变量和已知未来的协变量。我们的模型家族处于预测精度与模型大小的帕累托前沿，在每个规格下都提供领先的性能。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，从传感器遥测数据到可观测性指标。基于时间序列的预测推动着容量规划、能源、供应链、风险和维护领域的决策。

工业企业根据生产计划预测工艺传感器数据，在设备故障前发现性能漂移，并为数千台资产规划产能和备件。财务团队预测资金流、交易量和波动性，为数千个账户的头寸、对冲和资金管理提供依据。

诸如 ARIMA 和线性回归等经典模型仍是成熟的时间序列预测工具。这些模型通常针对单一序列拟合，仅从该序列的历史中学习。

诸如 PatchTST 等深度学习模型增加了跨多个相关序列学习非线性模式的能力，但它们通常仍需在每个数据集上从头训练，因此所学内容无法迁移到新领域。

时间序列基础模型将预训练方法引入时间序列。我们的模型在庞大而多样的语料库上训练，学习可跨序列迁移的模式，可在从未见过的数据上进行零样本预测，即使是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测试上评估了 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。这些结果来自单一检查点，未使用集成方法。

GIFT-Eval，83 个可比的预训练和零样本参赛模型中的前十名。数值越低越好。

TIME，35 个排行榜参赛模型中的前十名。两项指标均为数值越低越好。

fev-bench，37 个排行榜参赛模型中的前十名，按 SQL 技能得分排名。数值越高越好。

针对每种规格优化的模型家族

Timestral 已被优化为包含四个模型的家族：5M、28M、123M 和 209M 参数。更大的模型提升预测性能，而更小的模型速度更快、成本更低。四个模型共享相同的架构和训练配方。每个规格都处于精度与模型大小的帕累托前沿：对于每个模型规格，没有任何公开模型能预测得更好。

GIFT-Eval、TIME 和 fev-bench 上的得分与模型大小对比（显示为 1 − 技能分数），数值越低越好。我们 28M 的模型在 GIFT-Eval 和 TIME 上击败了体量约四倍的 Chronos-2。我们 209M 的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。在使用 8 线程的标准服务器 CPU 上，基于三周的 15 分钟粒度历史数据预测未来一天，5M 模型耗时 10 ms，209M 模型耗时 140 ms。更小的模型以一定的准确率换取速度：28M 模型比 209M 模型快五倍，而 123M 模型在其四分之三的延迟下与 209M 的分数差距不到 0.2%。

一个工业案例

设想一家工厂，其设备上部署了数千个传感器。Timestral 可以通过多种方式改进对这些数据的预测。

多变量预测。泵的振动、温度和压力并不是各自独立变化的。某一指标的上升往往解释或引发另一指标的变化。Timestral 对相关的时间序列进行联合建模，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。单一的预测值可能无法展现全貌。Timestral 预测一整套分位数，团队因此可以看到不确定性的范围，据此设置告警阈值，并围绕风险而非单个数字来规划维护。

类别型协变量。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）。把它们编码为数字会强加并不存在的顺序或尺度。Timestral 直接将它们作为类别型输入，以改进预测。

已知未来协变量。传感器行为的某些驱动因素是预先已知的，例如生产计划、计划停机、天气预报。Timestral 可以基于这些条件来提升预测质量，使计划中的负载增加被预期到，而不是被标记为异常。

从模型到系统

Timestral 是一个数值模型，既可以在现有的监控流水线中运行，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。

在工厂里，它可能是这样的：

1. Timestral 持续运行在工厂的传感器数据流上，在异常发生时及时发现。

2. 当它标记出某台泵的异常时，一个智能体会对信号进行嵌入，并与历史传感器数据的嵌入进行比较，以找出类似的历史故障。

3. 该智能体随后启动子智能体进行根因分析，参考该工厂的上下文信息，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. 智能体根据分析结果起草一份建议的诊断报告，附上支持性证据和可能的后续步骤。

工厂经理得到的是由传感器数据支撑的诊断和方案，而不只是一条告警。

关键技术贡献

这些成果结合了若干想法。每一项都将在技术报告中详细说明。

1. 解耦视界预测（DHF）。采用连续补丁掩码训练的因果解码器，如 Toto 2.0 和 TimesFM-3，会把要预测的值掩盖掉，使其看起来像缺失值，同时也无法作为后续预测的上下文。我们的方法 DHF 将二者分离：完整历史保留在序列中，学习到的预测令牌读取其前面的历史。这样每个观测值既是目标也是上下文，真正的缺失值仍被标记为缺失，而训练视界长度与缺失数据增强可以彼此独立地调整。

2. 协变量感知注意力。每条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，而不会将目标自身的未来泄露到预测中。

3. 合成数据优先。训练数据的大部分是合成的。我们首先生成了具有连贯时间动态的单变量过程，包括趋势、季节性和多样的噪声模式。然后使用多变量合成器，通过在这些过程之间引入非线性依赖关系来构建多变量序列。

4. 两阶段训练。Timestral 首先在上下文长度为 8192 的纯合成数据上进行大规模预训练，然后在真实与合成数据混合的数据上进行后训练，上下文长度扩展 4 倍。目标函数是 21 个分位数上的 pinball 损失，即 CRPS 的离散近似。

可被适配的模型

公开基准衡量的是通用性能，但生产环境的数据在行为和结构上可能存在显著差异。随着市场转变、设备老化和需求模式变化，数据还可能随时间发生漂移。持久的价值在于能够将模型适配到领域内数据，并在分布漂移时持续再训练。

对于希望更进一步的组织，Timestral 可通过 Mistral Forge 获取，这是我们用于语言模型的同一套训练流水线。它支持：

• 开箱即用的零样本推理。

• 架构扩展，例如领域特定的协变量。

• 在专有数据上微调，在保留通用性能的同时专注于特定领域。

• 对训练数据的控制，包括调整训练配比、重放预训练数据，以及生成反映目标领域的合成数据样本。对数据的完全控制可确保我们回测的内容没有在预训练中被见过。

完整流水线可以部署在客户的硬件上，包括物理隔离（air-gapped）环境。

下一步

我们已发布一个 GitHub 仓库，你可以在自己的数据上运行 Timestral。包含完整结果的技术报告也将随后发布。如需解决更专业的预测问题，或开展研究合作，欢迎联系我们。