mistralai/timestral

Timestral 是 Mistral AI 推出的时间序列基础模型家族，可以理解为「时间序列领域的 GPT」：先在海量数据上预训练，再零样本直接对新序列做多变量概率预测，无需为每个业务单独训练。它支持最多 32768 步的长上下文，能联合预测多个相关变量，并引入仅历史或已知未来的协变量（比如促销日、节假日），每个时间点输出 21 个分位数，给出的不只是一个点估计而是完整的不确定性区间。发布时在 GIFT-Eval、TIME、fev-bench 三大公开预测基准的预训练与零样本模型中均排名第一，提供 5M 到 209M 四种尺寸，最小的仅 21MB，纯 CPU 即可推理。做销量预测、库存补货、能耗负荷、运维指标监控等场景的算法和数据工程师值得一看，尤其是那些过去只能靠 Prophet、LightGBM 或自建 LSTM 逐条调参、现在想用统一预训练模型省掉训练成本的团队；纯做 LLM 应用或不涉及预测的人关系不大。

Star 趋势

仓库信息