# Mistral AI bringt Prognosemodell Timestral mit 209 Millionen Parametern

> Mistral AI hat Timestral vorgestellt, eine Familie von Zeitreihenmodellen mit 5 bis 209 Millionen Parametern. Bei mehreren Benchmarks schneidet sie besser ab als Googles TimesFM-3 und läuft auf einer CPU.

Oossa · 2026-10-19 · https://oossa.com/de/mistral-ai-launches-timestral-a-209-million-parameter-forecasting-model

Mistral AI hat eine neue Reihe von Zeitreihen-Grundlagenmodellen namens Timestral angekündigt. Das größte Modell hat 209 Millionen Parameter und soll Daten vorhersagen, die sich im Zeitverlauf verändern – etwa Verkaufszahlen oder Sensormesswerte. Laut Mistral übertrifft die 209-Millionen-Parameter-Version Googles TimesFM-3 in drei Benchmark-Suites: GIFT-Eval, TIME und fev-bench. Dafür wurde sie ohne aufgabenspezifisches Fine-Tuning eingesetzt (Zero-Shot). Das Modell läuft auf einer herkömmlichen CPU, sodass Nutzer keine Grafikkarte benötigen, um es auszuprobieren.

## Die Modellfamilie im Überblick

Timestral ist in mehreren Größen erhältlich: von einer besonders schlanken Version mit 5 Millionen Parametern bis zum Spitzenmodell mit 209 Millionen. Die kleineren Modelle sind für Geräte mit begrenzter Rechenleistung gedacht, während sich das größte an Forschung und Geschäftsanwendungen richtet, bei denen eine höhere Genauigkeit gefragt ist. Alle Versionen basieren auf derselben Architektur. Entwickler können daher zwischen den Größen wechseln, ohne den Code neu schreiben zu müssen.

## Die Fakten

- Mistral hat Timestral-Modelle mit 5 bis 209 Millionen Parametern veröffentlicht.
- Das Timestral-Modell mit 209 Millionen Parametern liegt bei den Zero-Shot-Benchmarks GIFT-Eval, TIME und fev-bench vorn.
- Timestral läuft auf einer CPU und benötigt keine GPU.
- Laut Mistral übertrifft das Modell mit 209 Millionen Parametern Googles TimesFM-3 in diesen Benchmarks.

## Warum es wichtig ist

Für Analysten und Ingenieure, die Trends prognostizieren müssen, bietet Timestral ein sofort nutzbares Modell, das auf herkömmlicher Hardware läuft und so die Einstiegskosten senkt. Die besseren Benchmark-Ergebnisse deuten auf genauere Vorhersagen als beim bisherigen Angebot von Google hin; unabhängige Tests stehen jedoch noch aus.

## Quellen und Referenzen

1. [Mistral AI Releases Timestral: A 209M Forecasting Model Family That Outperforms Google’s TimesFM-3](https://www.marktechpost.com/2026/10/18/mistral-timestral-time-series-foundation-model/) – MarkTechPost, 2026-10-19

Zuletzt aktualisiert: 2026-10-19