Mistral AI apresenta Timestral: uma nova família de modelos de previsão que supera o timesfm-3 do google

A Mistral AI lançou o Timestral, uma família de modelos de previsão de séries temporais que supera o TimesFM-3 do Google. A família de modelos inclui quatro modelos de previsão zero-shot, variando de 5M a 209M de parâmetros. O modelo mais grande, Timestral-209M, ocupa o primeiro lugar em GIFT-Eval, TIME e fev-bench, sem utilizar uma GPU. Fornece previsões probabilísticas em CPUs padrão com pesos abertos e código de inferência. O Timestral é um transformador baseado em patches, causal e com atenção temporal e variacional. Transfere padrões entre domínios, prevendo alvos multivariados em conjunto. O modelo de 209M utiliza 24 camadas e uma dimensão de embedding de 768, com cada patch cobrindo 32 passos de tempo. Preve a até 1.024 passos em uma única passagem direta. A Mistral destaca a sua eficiência, com o modelo de 5M a completar uma previsão de 1 dia em 10 ms e o modelo de 209M a demorar 140 ms. O modelo de 28M é cinco vezes mais rápido que o modelo de 209M. O modelo está disponível através do pip, exigindo Python 3.10+ e PyTorch 2.4+. Os pesos estão alojados no Hugging Face, com tamanhos variando de 21 MB a 490 MB. A documentação da Mistral lista o Timestral 1.0 209M como Preview Público, com opções de ajuste fino através do Mistral Forge. O modelo pode ser implantado localmente, numa VPC ou num ambiente isolado.