Mistral 上週發表 Timestral，首個時間序列基礎模型家族。最大只有 209M 參數，GIFT-Eval、TIME、fev-bench 三個公開基準全拿第一，CPU 就跑得動。HN 討論串 569 分，留言吵成兩派：一方說幾個月工期變幾分鐘，另一方說單序列 XGBoost 至今沒輸過。下面是官方發表全文翻譯，加上網友反應整理。
官方發表全文翻譯
原文：Mistral，2026年10月15日，譯自 https://mistral.ai/news/timestral/
摘要
Timestral 是 Mistral 首個時間序列基礎模型家族，僅用 209M 參數就交出最先進的機率式多變數預測，在關鍵基準上超越更大的模型，並支援過去與未來共變數。全家族共四種尺寸（5M 到 209M 參數），兼顧準確度與效率，可在 CPU 上高效運行，在各領域的零樣本預測表現出色。模型結合合成資料預訓練、共變數感知注意力與長上下文學習，並可透過 Mistral Forge 微調以適配特定領域。
發布
今天，我們發布 Timestral，我們首個時間序列基礎模型家族。我們最大的模型僅有 209M 參數，在該領域三個主流公開基準 GIFT-Eval、TIME 與 fev-bench 上全部拿下第一，僅用前代最佳模型三分之二的參數量就超越其表現。
Timestral 提供機率式多變數預測，並支援僅過去與已知未來共變數。整個模型家族落在預測準確度與模型規模的帕累托前沿上，每個尺寸都是同級最佳。相關結果已提交至 GIFT-Eval 與 TIME 排行榜。
時間序列基礎模型
企業手上的資料，時間序列佔了最大宗，從感測器遙測到可觀測性指標都有。基於它做出的預測，驅動著產能規劃、能源、供應鏈、風險與維修等決策。
工業廠房會對照生產排程預測製程感測器數值，在設備漂移故障前提早發現，並跨數千項資產規劃產能與備品。金融團隊則預測資金流、交易量與波動率，為數千個帳戶的部位、避險與資金調度提供依據。
ARIMA、線性迴歸等傳統模型仍是預測時間序列的成熟工具，但這類模型通常是對單一序列擬合，只從該序列自身的歷史中學習。
PatchTST 等深度學習模型多了從多個相關序列中學習非線性模式的能力，但通常仍需在每個資料集上從頭訓練，學到的東西無法遷移到新領域。
時間序列基礎模型把預訓練方法帶進時間序列領域。在龐大而多樣的語料上訓練後，模型學到的模式可以跨序列遷移，即使是從未見過的資料、資料稀缺的領域，也能直接做零樣本預測。
基準測試結果
我們在三個主流公開預測基準 GIFT-Eval、TIME、fev-bench 上評估 Timestral。在預訓練零樣本模型中，它在全部五個指標上都排名第一。這些結果來自單一 checkpoint，未做集成。
註：原文此處有三張排行榜圖表。圖說大意：GIFT-Eval 在 83 個可比項目中取前十名，數值越低越好；TIME 在 35 個項目中取前十名，兩個指標都是越低越好；fev-bench 在 37 個項目中取前十名，按 SQL skill score 排名，越高越好。
四種尺寸
Timestral 最佳化為四個模型組成的家族：5M、28M、123M、209M 參數。越大預測效果越好，越小越快越便宜。四者共用相同架構與訓練流程，每個尺寸都落在準確度與模型規模的帕累托前沿上：同等規模下，沒有任何公開模型的預測比它更好。
註：原文此處為分數與模型規模對照圖。28M 模型在 GIFT-Eval 與 TIME 上打敗約大四倍的 Chronos-2；209M 模型以更少參數打敗 TimesFM-3 與 Falcon-2.0。
Timestral 推論不需要 GPU。在 8 執行緒的標準伺服器 CPU 上，以三週的 15 分鐘級歷史資料預測未來一天，5M 模型耗時 10 毫秒，209M 模型耗時 140 毫秒。小模型用些許準確度換速度：28M 模型比 209M 快五倍，123M 模型的延遲只有四分之三，分數卻落在 209M 的 0.2% 以內。
工業實例
以一座有數千個感測器的工業廠房為例，Timestral 可以從幾個方面改善這類資料的預測：
- 多變數預測。幫浦的振動、溫度、壓力不是獨立變動的，一個量上升往往能解釋或導致另一個量的變化。Timestral 把相關序列聯合建模，直接利用這些相依關係，而不是把每個感測器孤立預測。
- 機率式預測。單一預測值未必能呈現全貌。Timestral 預測完整分位數集合，團隊可以看到不確定性有多寬，據此設定反映不確定性的告警閾值，圍繞風險而非單一數字來規劃維修。
- 類別型共變數。有些共變數取值自類別集合而非連續數字，例如星期幾、機器狀態（運轉、閒置、維修中）。把它們編碼成數字會強加原本不存在的順序或尺度。Timestral 直接接受類別型輸入來改善預測。
- 已知未來共變數。感測器行為背後，有些驅動因子事先就知道：生產排程、計畫性停機、天氣預報。Timestral 可以條件化於這些因子來提升預測品質，讓排定的負載增加成為預期之內，而非意外警報。
Timestral 是純數值模型，可跑在既有監控管線內，也可與語言模型配對，組成多模態 agent 工作流。在廠房裡，看起來可能是這樣：Timestral 對全廠感測器串流持續運行，即時偵測異常；當它在一台幫浦上標出異常，agent 把訊號嵌入，與歷史感測器資料的嵌入比對，找出類似的歷史故障；agent 再啟動子 agent 做根因分析，援引維修紀錄、值班日誌、設備手冊、歷史工單；最後起草建議診斷，附上佐證與可能的後續步驟。廠房經理拿到的不再只是一則警報，而是有感測器資料背書的診斷與計畫。
關鍵技術貢獻
以下幾個想法共同造就了這些結果，細節會在技術報告中說明：
- 解耦視界預測（Decoupled Horizon Forecasting，DHF）。Toto 2.0、TimesFM-3 這類因果解碼器用連續區塊遮罩訓練，被遮掉的待預測值看起來像缺失值，也就無法再作為後續預測的上下文。DHF 把兩者分開：完整歷史保留在序列中，預測 token 另外學出來，只讀取它前方歷史。每個觀測值因此同時充當目標與上下文，真正的缺口仍標記為缺失，訓練視界長度與缺失資料增強也可以彼此獨立調校。
- 共變數感知注意力。每條輸入序列被賦予一個角色：目標變數、僅過去共變數或已知未來共變數。已知未來共變數在整個視窗可見，目標保持因果遮罩，資訊只從共變數流向目標。Timestral 因此能利用節假日曆、天氣預報，而不把目標自身的未來洩漏進預測。
- 合成資料優先。訓練資料多數是合成的。先生成具連貫時間動態的單變數過程，含趨勢、季節性與多樣雜訊模式，再用多變數合成器在這些過程間引入非線性相依，構造多變數序列。
- 兩階段訓練。先在大規模純合成資料上預訓練，上下文長度 8192，再在真實加合成混合資料上後訓練，上下文拉長四倍。目標函數是 21 個分位數上的 pinball loss，即 CRPS 的離散近似。
適配與下一步
公開基準衡量的是通用表現，但生產資料的行為與結構可能大不相同，還會隨時間漂移。長期的價值在於能把模型適配到領域內資料，並隨分佈移動持續重訓。想更進一步的組織，可透過 Mistral Forge 使用 Timestral，支援開箱即用的零樣本推論、架構擴充、在自有資料上微調、掌控訓練資料。整條管線可部署在客戶硬體上，含氣隙環境。
官方已發布 GitHub 倉庫，完整結果的技術報告隨後會發布。
HN 網友反應整理
討論串 569 分，88 則有效留言。立場對照如下：
| 陣營 | 立場 | 代表說法 |
|---|---|---|
| 效率派 | 叫好 | 幾個月工期變幾分鐘，開源權重 |
| 規模派 | 叫好 | 1 萬到 40 萬條序列下，逐條建模不現實 |
| 外部資訊派 | 質疑 | 真實預測力來自節假日、天氣與價格等外部資訊 |
| 實戰派 | 質疑 | 單序列 XGBoost 至今未被打敗 |
| 方法論派 | 質疑 | 高雜訊下誰都像最強，應附 naive baseline |
| 可觀測派 | 質疑 | 純黑箱給不出系統方程式 |
最長的辯論串，來自有音訊與視覺 ML 背景的 joefourier：電價預測只給歷史點，一定輸給知道時段、假日、天氣、天然氣價格的簡單系統；已知未來共變數應該是整個系統的基礎，而不是改善品質的條件。另一邊，能源零售商現身說法手上有 1 萬多條序列，有人每 30 分鐘要跑 40 萬條，這種規模下逐條建模根本不現實。
授權條款也吵成一團。Timestral 用的是修改版 MIT：公司全球月營收超過 2000 萬美元就失去授權。有人批評掛 MIT 之名誤導，有人覺得用到年收 2 億美元前免費已經很慷慨。條文我對過 Hugging Face 上的官方 LICENSE 檔，確實是這樣寫的。
另外，官方基準圖把 0.03 級的分數差距畫得像 5 倍差，方法論派提醒：高雜訊過程下任何模型都像最強，凍結預測快照、加上 naive baseline 再談超越才有意義。技術報告還沒發，第三方驗證也還沒有，這些數字先當廠商自測看。
懶人包一頁速覽
手機版可直接開備援連結：https://derek-static.pages.dev/timestral-guide.html