米斯特拉尔（Mistral）今天发布其首个时间序列基础模型家族泰姆斯特拉尔（Timestral）。最大模型仅209M参数，在GIFT-Eval、TIME和fev-bench三大公开基准上均排名第一，以仅三分之二的参数量超过此前最优结果。该家族提供概率性多变量预测，支持仅过去协变量与已知未来协变量，在预测精度与模型规模的帕累托前沿上各尺寸均领先，结果已提交至GIFT-Eval和TIME排行榜。

今天，我们发布 Timestral，这是我们第一个时间序列基础模型系列。我们最大的模型只有 209M 参数，却在 GIFT-Eval、TIME 和 fev-bench 这三个领域主要公共基准上全部排名第一，以仅三分之二的参数量超过了此前的最佳水平。

Timestral 提供概率化、多变量预测，并支持仅过去和已知未来的协变量。我们的模型系列位于预测精度与模型规模的帕累托前沿，在各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都是如此。基于它构建的预测支撑着容量规划、能源、供应链、风险和维护等方面的决策。

工厂会根据生产计划预测过程传感器，在设备发生漂移并在故障前捕捉到它，并为成千上万资产规划产能和备件。金融团队预测流量、交易量和波动率，用于在成千上万个账户上做出头寸、对冲和资金决策。

ARIMA 和线性回归等经典模型仍是成熟的时间序列预测工具。这类模型通常针对单条序列拟合，只从该序列自身的历史中学习。

PatchTST 等深度学习模型增加了从许多相关序列中学习非线性模式的能力，但它们通常仍要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。

时间序列基础模型把预训练方法引入时间序列。我们的模型在大规模多样化语料上训练，学到的模式可以跨序列迁移，即使面对从未见过的数据、乃至数据稀缺的领域，也能进行零样本预测。

基准测试结果

我们在 GIFT-Eval、TIME 和 fev-bench 三个主要公共预测基准上评估了 Timestral。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，没有使用集成。

GIFT-Eval 的结果取自 83 个可比预训练零样本条目中的前十名，数值越低越好；TIME 的结果取自 35 个排行榜条目中的前十名，两项指标均为越低越好。

面向每个规格优化的模型系列

Timestral 被优化为四个模型组成的系列：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。每个规模都位于精度与模型规模的帕累托前沿：在对应参数规模下，没有公开模型预测得更好。

在 GIFT-Eval、TIME 和 fev-bench 上，得分与模型规模的关系（显示为 1 − 技能得分）越低越好。我们的 28M 模型在 GIFT-Eval 和 TIME 上击败了体量约为其四倍的 Chronos-2；209M 模型以更少参数击败了 TimesFM-3 和 Falcon-2.0。

Timestral 在推理时不需要 GPU。在一台 8 线程的标准服务器 CPU 上，基于三周 15 分钟粒度历史预测未来一天，5M 模型耗时 10 毫秒，209M 模型耗时 140 毫秒。更小的模型用一部分精度换取速度：28M 模型比 209M 模型快五倍；123M 模型的得分与 209M 相差在 0.2% 以内，而延迟只有后者的四分之三。

一个工业示例

设想一座工厂，其设备上装有成千上万个传感器。Timestral 可以通过几种方式改进对这些数据的预测。

多变量预测。 泵的振动、温度和压力并非独立变化，一个指标上升往往会解释或引起另一个指标变化。Timestral 对相关序列联合建模，因此能利用这些依赖关系，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反映全貌。Timestral 预测一整套分位数，团队因此能看到不确定性范围，设置与之匹配的告警阈值，并围绕风险而非单个数值规划维护。

类别协变量。 有些协变量取值来自一组类别，而非连续数值，例如星期几，或机器状态（运行、空闲、维修中）。把它们编码成数字会强加它们本不具有的顺序或尺度。Timestral 直接将其作为类别输入，以改进预测。

已知未来协变量。 有些传感器行为的驱动因素提前已知，例如生产计划、计划停机、天气预报。Timestral 可以以此为条件提升预测质量，因此计划内的负载上升会被预期到，而不会被标为异常。

从模型到系统

Timestral 是一个数值模型，可以运行在现有监控流水线中，也可以与我们的语言模型配合，用于多模态智能体工作流。

在工厂里，流程可能是这样的：

1. Timestral 持续运行在工厂的传感器数据流上，实时检测异常。

2. 当它标记某台泵出现异常时，一个智能体会对信号做嵌入，并与过去传感器数据的嵌入比对，找出相似的历史故障。

3. 智能体随后启动子智能体进行根因分析，利用该工厂的上下文，例如维护记录、班次日志和操作员备注、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，附上支持证据和可能的后续步骤。

工厂经理得到的就不再只是一条告警，而是一个有传感器数据支撑的诊断和方案。

关键技术贡献

这些结果结合了多项思路，每一项都会在技术报告中详细说明。

1. 解耦时界预测（Decoupled Horizon Forecasting）。 Toto 2.0 和 TimesFM-3 等因果解码器使用连续分块掩码进行训练，会掩码待预测的值，使它们看起来像缺失值，也会作为后续预测的上下文丢失。我们的方法 DHF 将二者分开：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。因此每个观测值都同时充当目标和上下文，真实缺口仍被标记为缺失，训练时界长度和缺失数据增强也可以相互独立地调整。

2. 协变量感知注意力。 每条输入序列都被赋予一个角色：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预测中。

3. 合成优先的数据。 训练数据大部分是合成的。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来构建多变量序列。

4. 两阶段训练。 Timestral 首先在纯合成数据上以 8192 的上下文长度进行大规模预训练，然后在真实与合成数据的混合数据上以后训练，上下文长度延长 4 倍。目标函数是 21 个分位数上的 pinball loss，即对 CRPS 的离散近似。

可适配的模型

公共基准衡量的是通用性能，但生产数据在行为和结构上可能差别很大，而且会随着市场状态变化、设备老化和需求模式转移而随时间漂移。真正的长期价值在于，能够把模型适配到领域内数据，并在分布变化时持续重新训练。

对于希望更进一步的企业，Timestral 通过 Mistral Forge 提供，这也是我们用于语言模型的训练流水线。它支持：

• 零样本推理，开箱即用。

• 架构扩展，例如特定领域协变量。

• 在专有数据上微调，在保持通用性能的同时专精于某个领域。

• 控制训练数据，包括调整训练混合比例、重放预训练数据，以及生成反映目标领域的合成数据样本。完全掌控数据可确保：回测中没有任何数据在预训练期间被模型见过。

整个流水线可以部署在客户自己的硬件上，包括气隙环境。

下一步

我们已发布 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随后发布。如果有更专业的预测问题，或希望在研究上合作，请联系我们。

| Timestral | | | --- | --- | | 类型 | 时间序列基础模型（TSFM） | | 参数规模 | 5M、28M、123M 和 209M | | 上下文长度 | 32,768 个时间步 | | 输出 | 概率预测，21 个分位数 | | 输入 | 多变量目标、仅过去协变量和已知未来协变量 | | 部署 | 本地、VPC 或气隙环境 | | 许可 | 修改版 MIT |

讨论气氛偏怀疑：多数人质疑 Timestral 的现实可用性，认为它把微小提升包装成突破、且离不开协变量与领域知识，只有少数人肯定其大幅降低建模门槛和速度。分歧主轴是「通用基础模型能否真的处理异质的时间序列」，同时社区要求与 Nixtla TimeGPT 等已有方案做横向评测，并对 Mistral 模型的既往表现存疑。

认为时间序列基础模型大幅降低了预测建模门槛、速度快

• 过去需要几个月构建部署的预测模型，现在几分钟就可在大语言模型辅助下实现并微调，结果看起来不错且速度很好；希望有同性能的开放权重模型。（少数人） > 以前建好并部署预测模型要几个月，现在几分钟就能借助大语言模型实现、微调并取得不错结果（@edot）

认为官方把微小指标提升夸大成了数量级突破

• 用夸张语气嘲讽 0.03 的改进被呈现为 5 倍差距，反映社区对基准测试宣传话术的不信任。（少数人） > 把 0.03 的改进包装成 5 倍差距，真是疯狂（@nelaggy）

认为时间序列数据与文本本质不同，通用基础模型现实可用性有限

• 时间序列数据和文本数据本质不同，把所有时间序列塞进同一个基础模型虽然对市场人员很有吸引力，但现实可用性很有限；博客使用虚构客户而非真实参考案例，也被认为削弱了说服力。（较多人） > 时间序列数据和文本数据本质不同，所谓基础模型尤其吸引市场人员，但现实可用性很有限（@beernet）

对 Mistral 编码模型的实际表现感到失望，并怀疑厂商宣传

• 有人以 Mistral 的编码模型 Le Chonk 做“体感检查”，称其做通用编码任务时犯了很多低级错误，表现明显不如 opus、sol、deepseek flash 等模型，因此对 Mistral 宣称的能力持保留态度。（少数人） > 试用的 Mistral 编码模型 Le Chonk 在通用编码任务上会犯各种低级错误，这类错误我一年多没在 opus、sol、deepseek flash 上见到了（@ritzaco）

认为需要与 Nixtla TimeGPT 等已有方案横向对比才能判断价值

• 有人直接追问它与 Nixtla TimeGPT 的对比，说明社区希望看到和已有时间序列基础模型的横向评测，而不是只看官方博客的自述。（少数人）

有价值的补充

• 已知未来协变量（如生产计划、计划停机、天气预报）应当成为预测系统的基础，而不是只用来“提升预测质量”的条件；如果只给模型过去一段采样窗口，它在用电量等场景会被知道时刻、节假日和天气预报的简单系统击败（@joefourier）。
• 小规模模型无法理解“银行假日”等标签的语义，只能看到类别从 0 变 1，缺乏将其与其它信息关联的归纳偏置；要预测欧元/兆瓦时（€/MWh）电价，可能还需要天然气价格、各能源产量结构，以及能理解新闻与地缘影响的大语言模型来进行预测。
• 也有人怀疑自己是否误解了使用场景：这类模型也许只适合极短期波动预测，而非依赖复杂外部变量的长期预测。