Mistral AI har lanserat en ny serie grundmodeller för tidsserier, kallad Timestral. Den största modellen har 209 miljoner parametrar och är utformad för att förutsäga data som förändras över tid, till exempel försäljningssiffror eller sensoravläsningar. Mistral uppger att versionen med 209 M parametrar presterar bättre än Google TimesFM‑3 i tre jämförelser – GIFT‑Eval, TIME och fev‑bench – utan att först finjusteras för en specifik uppgift (zero-shot). Modellen kan köras på en vanlig processor, så användarna behöver inget grafikkort för att prova den.
Det här ingår i modellfamiljen
Timestral finns i flera storlekar, från en resurssnål version med 5 M parametrar till flaggskeppsmodellen med 209 M. De mindre modellerna är avsedda för enheter med begränsad beräkningskapacitet, medan den största riktar sig till forskning och användningsområden inom näringslivet där högre precision behövs. Alla versioner har samma arkitektur, vilket gör att utvecklare kan byta storlek utan att skriva om koden.
Varför det spelar roll
För analytiker och ingenjörer som behöver prognostisera trender erbjuder Timestral en färdig modell som kan köras på vanlig hårdvara, vilket sänker tröskeln för att komma i gång. De bättre resultaten i jämförelserna tyder på mer träffsäkra prognoser än med Googles tidigare modell, men oberoende tester återstår.
