原始发布日期:2026-10-15。Mistral发布Timestral时序基础模型,提供5M、28M、123M和209M四种规模。它处理的是传感器、需求、容量等数值序列,而不是让通用聊天模型直接续写数字;官方同时提供推理代码和权重下载入口。

模型联合处理相关变量,输出21个分位数,并接收历史协变量和预先已知的未来条件。对排产、节假日等本来就能提前获得的信息,输入未来值有合理意义;目标序列自身的未来值则必须被隔离。其协变量注意力设计限制信息流,避免把预测答案泄露进输入。

官方介绍的Decoupled Horizon Forecasting把历史编码与预测token分开,保留完整历史上下文,并单独处理真实缺失值。训练先使用合成数据,再混合真实与合成数据延长上下文。该机制描述来自发布材料,完整技术报告当时仍待发布,不应把尚未读到的训练细节补写进去。

公开[模型卡](https://huggingface.co/mistralai/Timestral-209M)注明最多32,768个历史时间步,单次前向预测最多1,024步,较长预测按块滚动并将前块中位数作为后续上下文。CPU或GPU均可推理,但CPU可运行不等于任意硬件、变量数量与预测长度都满足实时要求;官方基准排名也不是本站独立验证。

许可需要分别读取:[推理仓库](https://github.com/mistralai/timestral)代码采用Apache 2.0,而[209M权重许可证](https://huggingface.co/mistralai/Timestral-209M/blob/main/LICENSE)为Modified MIT。后者限制上一月全球合并月收入超过2,000万美元的公司或雇主直接依据该许可行使权利,相关用户需另行洽谈商业许可,不能只看MIT字样。

量仔观察

这项发布值得关注的不只是参数更小,而是预测模型终于能与业务日历、设备状态和不确定性表达一起交付。应用方仍需用严格时间切分回测,检查协变量在真实预测时是否确实可得,并评估分布漂移与多步滚动误差。采购与法务也应区分代码许可和权重许可,避免在验证技术可用之后才发现部署主体不满足使用条件。