# Mistral lancia Timestral, modelli per le previsioni delle serie temporali

> I nuovi modelli vanno da 5M a 209M parametri e sono in testa ai principali benchmark pubblici per previsioni multivariate e probabilistiche.

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

Mistral ha annunciato il lancio di Timestral, la sua prima famiglia di modelli fondamentali per le serie temporali. Il modello più grande conta 209 milioni di parametri e si colloca al primo posto nei tre principali benchmark pubblici per le previsioni — GIFT‑Eval, TIME e fev‑bench — pur avendo meno parametri rispetto ai precedenti modelli leader. Sono disponibili quattro dimensioni (5 M, 28 M, 123 M, 209 M) e i modelli funzionano su normali CPU, senza bisogno di una GPU per l’inferenza. Supportano dati relativi al passato, covariate future note e generano previsioni probabilistiche con 21 quantili.

## I fatti

- Il modello da 209 M parametri è in testa ai benchmark GIFT‑Eval, TIME e fev‑bench
- Sono disponibili quattro dimensioni: 5 M, 28 M, 123 M e 209 M

## Perché conta

Le aziende possono migliorare la pianificazione basata sui dati dei sensori e le valutazioni dei rischi senza acquistare hardware GPU.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-16