Timestral-209Mがゼロショット予測で最高精度を達成。MIT ライセンスで公開
この記事のポイント
- 時系列のゼロショット予測モデル
- 最大32768ステップの過去を入力可能
- 209MパラメータでMITライセンス公開
数字で見る
この記事に出てくる数字
| パラメータ数 | 209M |
|---|---|
| 履歴ステップ | 32,768 |
| 予測ステップ | 1,024 |
どこで使えるか
時系列予測をゼロショットで試す人向け。商用利用可能なMITライセンスで公開 Hugging Faceで公開済み ライセンスはother
スポンサーリンク
解説
かみくだいて説明します
mistralai が、時系列データの未来を予測する基盤モデル、Timestral の 209M パラメータ版を 2026-10-14 に公開しました。 5M から 209M までの 4 種類のサイズがあり、今回はその最大サイズのチェックポイントです。
未来を予測するモデルなんですね。 従来と比べて、どこが新しくなったんですか?
従来のモデルは、予測したいデータを見てから学習をやり直す必要がありましたが、このモデルは学習済みの知識だけでそのまま予測できます。 天気予報の予報士が、これまでの気象データを見て即座に予報を出すイメージに近いものです。
即座に予報が出せるんですね。 何ステップ先まで予測できるんですか?
最大 32,768 ステップのデータを入力して、最大 1024 ステップ先を一度に予測します。 複数のデータが絡む場合も対応でき、確率として 21 段階の範囲で予測を出せます。
21 段階の範囲で予測が出るんですか。 そこがまだ掴めません。 どういう意味ですか?
確率で出すということです。 的当てで例えると、的中した場所を 21 個の小さな区画に細かく分け、どの区画に当たる可能性が高いかを示すイメージです。
確率で細かく出せるんですね。 現場で動かす場合、特別な環境が必要ですか?
特別な環境は不要で、公式の GitHub にソースコードを公開しています。 環境構築の手順も載せていますので、誰でも再現できるようにしています。 利用規約は Modified MIT ライセンスです。
誰でも使えるんですね。 精度はどのくらい高いんですか?
3 つの主要なベンチマーク、GIFT-Eval、TIME、fev-bench で、ゼロショット予測の精度がトップを記録しています。 モデルのサイズと精度のバランスを示すグラフでも、ファミリー全体が優れた位置を占めています。
3 つのテストでトップなんでしょう。 では、他のサイズ版はいつ出ますか?
5M、28M、123M のチェックポイントも既に利用可能です。 詳しい仕様や使い方については、GitHub のリポジトリをご確認ください。
全部使えるんですね。 最後に、今後期待される使い道はありますか?
Timestralはゼロショット予測に対応しており、ベンチマークで最先端の精度を達成しています。
出典
この記事のもとになった情報
- Hugging Face:mistralai/Timestral-209M
- 公開日:2026-10-14
※ 本文と音声は生成 AI が作成しています。内容は出典をご確認ください。
本作品のキャラクターには株式会社Live2Dの著作物であるサンプルデータが株式会社Live2Dの定める規約に従って用いられています。本作品は制作者の完全な自己の裁量で制作されています。このキャラクターモデルは株式会社Live2Dより許諾を得て商用利用しています。