概览
Timestral 是 Mistral AI 于 2026 年 10 月 15 日发布的第一个时间序列基础模型（TSFM）家族，用来做传感器读数、运维指标、销量、资金流等数值序列的预测。它和大语言模型不同：输入输出都是数字序列，不处理文本。家族有 5M、28M、123M、209M 四个尺寸，官方称最大的 209M 在 GIFT-Eval、TIME、fev-bench 三个主流公开榜单的零样本模型中全部排第一，参数只有此前最好模型的约三分之二；28M 版在 GIFT-Eval 和 TIME 上就胜过约大 4 倍的 Chronos-2（均为官方自测）。模型一次最多读 32,768 个历史时间步（站内「上下文」字段按此填写，单位是时间步，不是 token），单次最多预测 1,024 步，输出 21 个分位数的概率预测，支持多变量目标和「过去值」「未来已知」两类协变量，类别型协变量也能直接输入。推理只靠 CPU 就够：官方给出的例子是 8 线程 CPU 上 209M 版约 140 毫秒完成一次一天的预测。技术上用了解耦预测时长（DHF）、协变量感知注意力，以合成数据为主做两阶段训练。使用方法：pip install git+https://github.com/mistralai/timestral.git （Python 3.10+、PyTorch 2.4+），再用 TimestralForecaster.from_pretrained("mistralai/Timestral-209M") 加载即可；Mistral 文档把它标为 Public Preview，企业可通过 Mistral Forge 在自有数据上微调或私有化部署。技术报告官方称「即将发布」，论文链接暂空。官方来源：https://mistral.ai/news/timestral/ 、https://docs.mistral.ai/models/timestral-1-0-209m 、https://huggingface.co/mistralai/Timestral-209M 、https://github.com/mistralai/timestral （2026-10-25 核对）。 定价：权重可在 Hugging Face 免费下载（修改版 MIT 许可：上月全球合并月收入超过 2000 万美元的公司不能直接使用，需向 Mistral 申请商业许可或改用 Mistral 托管服务）；官方未公布 API 调用价格，Mistral Forge 定制训练也未公开价格。
- 模态
- 多模态
- 参数量
- 209M
- 许可说明
- 开源 · Modified MIT License
能力
- Mistral 首个时间序列基础模型家族，四个尺寸 5M / 28M / 123M / 209M，架构与训练方法相同，越大越准、越小越快
- 零样本预测：不用针对每条序列单独训练，直接对没见过的数据出预测；官方称 209M 在 GIFT-Eval、TIME、fev-bench 三大公开榜单的零样本模型中全部排第一（官方自测，单个 checkpoint、无集成）
- 一次最多读入 32,768 个历史时间步，单次前向最多预测 1,024 步，更长的预测按块滚动
- 概率预测：输出 21 个分位数（0.01–0.99），可直接拿来设告警阈值、看不确定性区间
- 支持单变量和多变量目标，以及「只有过去值」和「未来已知」两类协变量（数值或类别，如节假日、排产计划、天气预报）；缺失值用 NaN 标记
- 推理不需要 GPU：官方称在 8 线程服务器 CPU 上，用三周 15 分钟粒度的历史预测未来一天，5M 约 10 毫秒、209M 约 140 毫秒
- 开源：权重修改版 MIT 许可（上月全球合并月收入超过 2000 万美元的公司需另申请商业许可），代码 Apache 2.0；pip 一行安装，可在 Mistral Forge 上微调
