# Mistral lanserar Timestral, en familj modeller för tidsserieprognoser

> De nya modellerna har mellan 5M och 209M parametrar och toppar offentliga riktmärken för multivariata, probabilistiska prognoser.

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

Mistral har presenterat Timestral, företagets första uppsättning grundmodeller för tidsserier. Den största modellen har 209 miljoner parametrar och rankas högst på de tre främsta offentliga riktmärkena för prognoser – GIFT‑Eval, TIME och fev‑bench – samtidigt som den har färre parametrar än tidigare ledande modeller. Modellerna finns i fyra storlekar (5 M, 28 M, 123 M, 209 M) och kan köras på vanliga processorer, så ingen GPU behövs för inferens. De kan hantera data från enbart det förflutna, kända framtida kovariater och ger probabilistiska prognoser med 21 kvantiler.

## Fakta

- Modellen med 209 M parametrar toppar riktmärkena GIFT‑Eval, TIME och fev‑bench
- Modellerna finns i fyra storlekar: 5 M, 28 M, 123 M, 209 M

## Varför det spelar roll

Företag kan förbättra sensorbaserad planering och riskbedömning utan att köpa GPU-hårdvara.

## Källor och referenser

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

Senast uppdaterad: 2026-10-16