Timestral-28Mが公開。時系列予測で同規模モデル最高精度。
この記事のポイント
- 時系列データの前向き予測用
- 同規模の他モデルを上回る精度
- 28MパラメータでMITライセンス
数字で見る
この記事に出てくる数字
| パラメータ数 | 28M |
|---|
どこで使えるか
時系列予測の基盤モデルを自前で使いたい人向け。MITライセンスで商用利用も可。 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 2026 年 10 月 15 日に、時系列データ用の AI モデル「Timestral-28M」を公開しました。ゼロショットで将来の値を予測するモデルで、パラメータ数が 5M、28M、123M、209M の 4 段階あります。今回は 28M のチェックポイントです。
4 段階もあるんですね。ゼロショットって、新しいデータが来ても最初から教えなくても予測できるってことですか?
そうです。例えば天気予報で、これまで見たことのない気圧のパターンが来たときでも、似たような動きのデータから推測して答えを出します。現場で組み込む技術者から見ると、新しいセンサーのデータが来ても再学習なしで即座に使えるのが利点です。
再学習の手間が要らないのは大きいですね。自分の仕事で時系列予測を使っている人として、手元のデータにそのまま突っ込めるんですか。
はい。同じパラメータ数の中で比較した結果、他のモデルをすべて上回っています。最大手の Timestral-209M になると、GIFT-Eval、TIME、fev-bench という 3 つの主要な評価ベンチマークで最高精度を記録しています。
3 つのベンチマークでトップなんですね。小さい 28M 版と大きい 209M 版では、精度にどれくらい差が出るんですか?
材料には具体的な数値の差は記載されていません。ただ、モデルが小さいほど計算量は減るので、環境を選ばずに動かせる代わりに予測の精度は下がる引き換えになっています。
計算量が減るということは、開発環境が限られている現場でも実用レベルで回せる可能性がありますか。
28M なら比較的小型の環境でも動作が見込めます。研究している人から見ると、どこが新しいかといえば、同じサイズ帯で他を圧倒する効率の良さです。ライセンスは Modified MIT で、商用利用も可能です。
商用で使えるのは安心です。利用にあたって気をつける点はありますか。
第三者の権利、特に知的財産権を侵害したり不正に利用したりしないよう注意が必要です。同じサイズでの性能比較については、メインのモデルページにグラフが用意されています。
性能の差がグラフで見られるんですね。最後に、今回の公開では 28M の重みのデータだけ渡されていますが、残りの 3 種類はいつ出るんですか。
残りの3種類はTimestral-209Mを含む5M、123M、209Mのパラメータバージョンで、メインモデルページから取得できます。
出典
この記事のもとになった情報
- Hugging Face:mistralai/Timestral-28M
- 公開日:2026-10-15
※ 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。