# Mistral bringt Timestral-Modelle für Zeitreihenprognosen auf den Markt

> Die neuen Modelle umfassen 5 bis 209 Millionen Parameter und führen bei öffentlichen Benchmarks für multivariate und probabilistische Prognosen.

Oossa · 2026-10-15 · https://oossa.com/de/mistral-launches-timestral-a-family-of-time-series-forecasting-models

Mistral hat Timestral vorgestellt, seine erste Reihe von Basismodellen für Zeitreihen. Das größte Modell hat 209 Millionen Parameter und belegt bei den drei wichtigsten öffentlichen Benchmarks für Prognosen – GIFT-Eval, TIME und fev-bench – den ersten Platz. Dabei kommt es mit weniger Parametern aus als frühere Spitzenmodelle. Die Modelle sind in vier Größen erhältlich (5 M, 28 M, 123 M und 209 M) und laufen auf herkömmlichen CPUs; für die Inferenz ist also keine GPU erforderlich. Sie unterstützen Prognosen auf Basis vergangener Daten sowie bekannter zukünftiger Einflussgrößen und liefern probabilistische Vorhersagen mit 21 Quantilen.

## Die Fakten

- Das Modell mit 209 M Parametern führt bei den Benchmarks GIFT-Eval, TIME und fev-bench.
- Die Modelle sind in vier Größen erhältlich: 5 M, 28 M, 123 M und 209 M.

## Warum es wichtig ist

Unternehmen können die Planung anhand von Sensordaten und Risikobewertungen verbessern, ohne GPU-Hardware anschaffen zu müssen.

## Quellen und Referenzen

1. [Introducing Timestral](https://mistral.ai/news/timestral/) – Mistral, 2026-10-15
2. [Quantile-Guided Diffusion for Probabilistic Time-Series Forecasting](https://arxiv.org/abs/2610.20739) – arXiv cs.LG, 2026-10-16
3. [New repository mistralai/timestral](https://github.com/mistralai/timestral) – Mistral, 2026-10-15

Zuletzt aktualisiert: 2026-10-16