Timestral 28M

Timestral 28M — один из четырёх размеров семейства Timestral, выпущенного Mistral 15 октября 2026 года. Модель предназначена для прогнозирования временных рядов: например, показателей датчиков, спроса, загрузки оборудования или других последовательностей измерений. Она может работать без дополнительного обучения на конкретном наборе данных, то есть строить zero-shot прогнозы для новой серии.

Возможности версии 28M

По данным Mistral, вариант 28M примерно в пять раз быстрее Timestral 209M в их примере прогнозирования на CPU. На GIFT-Eval он набрал MASE 0,678 и CRPS 0,461; компания также сообщает, что эта версия обходит Chronos-2 на GIFT-Eval и TIME при меньшем числе параметров. Это сравнение относится к опубликованным тестам разработчика.

Эта версия может быть удобна для частых прогнозов, когда важны короткие вычисления, но самый маленький чекпойнт уже уступает по точности. Официальные веса доступны в репозитории Timestral-28M.

Что прогнозирует Timestral

Модель анализирует временную последовательность и оценивает её будущие значения. Такой подход применяют к телеметрии, энергопотреблению, объёмам заказов и показателям оборудования. В отличие от обычной языковой модели, Timestral работает с числовым рядом как с последовательностью измерений.

Учет дополнительных факторов

Семейство поддерживает многомерные данные и известные заранее признаки. Например, график производства или выходной день может объяснить ожидаемый всплеск нагрузки. Предсказанные диапазоны полезны для планирования: они показывают, насколько результат неопределён.

Как выбрать размер

Timestral выпускается в четырёх размерах: 5M, 28M, 123M и 209M. Для всех четырёх опубликованы веса и общий код. Компактные варианты уменьшают задержку, а старшие дают более точные прогнозы в тестах Mistral. Выбор зависит от частоты расчётов, размера истории и цены ошибок в конкретном процессе.

Доступность и ограничения

Timestral — специализированная модель для числовых временных рядов, а не универсальный чат-бот и не система, которая сама принимает бизнес-решения. Её прогнозы стоит оценивать на данных конкретной организации, учитывать пропуски и сезонность и проверять вместе с базовыми методами. Mistral сообщает, что для инференса не требуется GPU; доступные веса и программный код позволяют развернуть модель в собственной среде.

Разработчик

Другие модели компании собраны в статье о Mistral в Вики Futuretools. Подробности о семействе опубликованы в официальном анонсе Timestral.