2026 年 10 月 17 日——Mistral 于 2026 年 10 月 15 日发布其首个时间序列基础模型家族 Timestral，并同步在 GitHub 开放源代码、在 Hugging Face 开放模型权重。该系列提供 500 万（5M）、2800 万（28M）、1.23 亿（123M）、2.09 亿（209M）四个参数版本，其中 209M 版本以约三分之二的参数量，在 GIFT-Eval、TIME、fev-bench 三个公开时序预测基准上均排名第一（口径为预训练与零样本模型）。源代码采用 Apache 2.0 许可证，模型权重采用 Modified MIT 许可证。

核心能力

Timestral 定位零样本预测，无需针对新数据重新训练即可给出预测结果。官方模型卡显示，其核心特性包括：

  • 多变量联合预测：同一条序列内的多个变量（如气温、湿度、降水）联合建模，捕捉变量之间的耦合关系，而非逐变量独立预测。
  • 协变量支持：可输入仅历史可见的协变量（past-only）与覆盖预测区间的已知未来协变量（known-future），并支持分类协变量与数值协变量；分类协变量在单变量目标场景下按序列做目标编码处理。
  • 概率预测：每个时间步输出 21 个分位数（0.01、0.05、0.1 至 0.9、0.95、0.99），以分位数区间呈现预测不确定性。
  • 长上下文与低硬件门槛：最多接收 32768 个时间步的历史输入（1024 个 patch），可在 CPU 或 GPU 上运行，推理仅依赖 PyTorch、NumPy、safetensors 与 huggingface_hub。

架构上，Timestral 采用基于 patch 的因果 Transformer，并以解耦视野预测（Decoupled Horizon Forecasting，DHF）方式训练：预测由独立的预测 token 读取因果编码后的上下文生成，完整历史保留在序列中作为后续预测的上下文。单个 patch 包含 32 个时间步，单次前向传播最多预测 1024 个时间步，更长的预测范围按块递推，每块的中位数会追加回上下文。

四档参数与基准成绩

四个尺寸的权重文件体积、基准指标如下（fp32 权重，数据来自 Hugging Face 模型卡）：

模型 权重体积（fp32） GIFT-Eval MASE（越低越好） GIFT-Eval CRPS（越低越好） TIME MASE TIME CRPS
Timestral-5M 21 MB 0.705 0.479 0.652 0.545
Timestral-28M 111 MB 0.678 0.461 0.638 0.534
Timestral-123M 490 MB 0.659 0.448 0.628 0.525
Timestral-209M 837 MB 0.658 0.446 0.626 0.522

fev-bench 上，四档模型的 SQL skill score 分别为 46.19、48.42、50.18、50.39，MASE skill score 分别为 34.54、37.27、39.19、39.49，两项指标均为越高越好。官方称四个尺寸共享同一架构与训练配方，均位于「精度对模型规模」的帕累托前沿。

基准评测口径方面，GIFT-Eval 覆盖 97 个配置、TIME 覆盖 98 个任务、fev-bench 覆盖 100 个任务，评测均以零样本方式进行，上下文取最长 32768 个时间步的历史，不做模型集成。

性能与部署

据官方介绍，在标准服务器 CPU（8 线程）上使用三周、15 分钟粒度的历史数据做一日前瞻预测，5M 版本耗时约 10 毫秒，209M 版本约 140 毫秒；28M 版本比 209M 快约 5 倍，123M 版本以约四分之三的延迟达到与 209M 相差 0.2% 以内的精度。官方表示该延迟量级可直接嵌入现有监控管道做实时预测。部署形态支持本地、VPC 与物理隔离环境，需要领域适配的团队可通过 Mistral Forge 进行专有数据微调。

第三方实测文章（CSDN，2026 年 10 月）对四个模型在真实气象气温序列上做了零样本测试，前 600 小时预测后 48 小时：四个模型 MAE 落在 1.1 至 1.4 摄氏度区间，90% 预测区间覆盖率 0.92 至 1.00；该组数据上 28M 版本表现最好（MAE 1.11、CRPS 0.436），209M 版本 MAE 反而最高（1.40）。该文同时提示，这是一条序列、一次预测的结果，不代表官方基准排名。

开源与许可

  • 代码仓库：github.com/mistralai/timestral，采用 Apache 2.0 许可证，要求 Python 3.10 及以上、PyTorch 2.4 及以上。
  • 模型权重：分布于 Hugging Face 的 mistralai 组织下的 Timestral-5M、Timestral-28M、Timestral-123M、Timestral-209M 四个仓库，采用 Modified MIT 许可证，四者合计约 1.4 GB。
  • 官方模型卡在许可证部分声明，使用权重时不得以侵犯、不当使用或以其他方式违反第三方权利（包括知识产权）的方式使用。另有第三方实测文章提到，该许可证对月全球合并收入超过 2000 万美元的企业另有限制，需另行申请商业授权；此说法引自第三方解读，官方模型卡未列出该条款，使用前建议以 Hugging Face 仓库中的许可证原文为准。