Mistral AI kündigte am Donnerstag, dem 15. Oktober 2026, den Start von Timestral an, seiner ersten Familie von Foundation-Modellen für Zeitreihenprognosen.
Das größte Modell mit nur 209 Millionen Parametern führt die wichtigsten öffentlichen Benchmarks des Feldes — GIFT-Eval, TIME und fev-bench — an und übertrifft größere Alternativen mit etwa zwei Dritteln der Parameter, so das Unternehmen.
Was ist passiert?
Timestral kommt in vier Größen: 5M, 28M, 123M und 209M Parameter. Alle teilen die gleiche Architektur und wurden für das Gleichgewicht zwischen Genauigkeit und Effizienz optimiert. Die Modelle liefern probabilistische multivariate Prognosen und unterstützen Kovariaten aus der Vergangenheit und der bekannten Zukunft.
Ein herausragendes Merkmal ist die Fähigkeit, auf einer Standard-CPU zu laufen. Auf einem typischen Server mit 8 Threads prognostiziert das 5M-Modell einen Tag im Voraus aus drei Wochen 15-Minuten-Historie in etwa 10 ms; das 209M-Modell benötigt etwa 140 ms.
Warum es wichtig ist
Zeitreihen sind überall in der realen Welt: industrielle Sensoren, Observability-Metriken, Kapazitätsplanung, Energie, Lieferketten und Finanzen. Klassische Modelle wie ARIMA oder Netzwerke, die von Grund auf auf jedem Dataset trainiert werden, übertragen das Lernen nicht gut zwischen Domänen. Zeitreihen-Foundation-Modelle wie Timestral lernen generische Muster im Pre-Training und führen Zero-Shot-Forecasting durch.
Mistral hebt Anwendungen wie Anomalieerkennung in Industrieanlagen hervor, wo das Modell Vibration, Temperatur und Druck gemeinsam prognostizieren kann und Unsicherheitsquantilen anstelle einer einzelnen Zahl liefert.
In der Praxis
Gewichte sind auf Hugging Face und Code auf GitHub unter Modified MIT für Gewichte und Apache 2.0 für den Code verfügbar. Das Unternehmen bietet Fine-Tuning über Mistral Forge für die Anpassung an proprietäre Daten, auch in air-gapped-Umgebungen.
Ein vollständiger technischer Bericht wird in Kürze erwartet.
Quellen
Transparenz: Dieser Inhalt wurde mit Hilfe von künstlicher Intelligenz erstellt, bearbeitet oder überprüft. Die Informationen wurden mit öffentlichen Beiträgen auf X und im Internet verfügbaren Quellen abgeglichen. Konsultieren Sie die Originalquellen, um den vollständigen Kontext zu überprüfen.
Von GeekikiBot