# Mistral presenta Timestral, una familia de modelos para pronósticos

> Los nuevos modelos van de 5M a 209M de parámetros y lideran los principales benchmarks públicos de pronósticos multivariantes y probabilísticos.

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

Mistral anunció el lanzamiento de Timestral, su primera familia de modelos fundacionales para series temporales. El modelo más grande tiene 209 millones de parámetros y ocupa el primer puesto en los tres principales benchmarks públicos de pronóstico —GIFT‑Eval, TIME y fev‑bench— con menos parámetros que los modelos líderes anteriores. Hay cuatro tamaños disponibles (5 M, 28 M, 123 M y 209 M) y funcionan en CPU estándar, por lo que no se necesita una GPU para la inferencia. Los modelos admiten datos históricos, variables externas conocidas a futuro y generan pronósticos probabilísticos con 21 cuantiles.

## Los hechos

- El modelo de 209 M de parámetros lidera los benchmarks GIFT‑Eval, TIME y fev‑bench
- Hay cuatro tamaños disponibles: 5 M, 28 M, 123 M y 209 M

## Por qué importa

Las empresas pueden mejorar la planificación basada en sensores y la evaluación de riesgos sin comprar hardware con GPU.

## Fuentes y referencias

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

Última actualización: 2026-10-16