The Pulse

IBM rilascia un modello Granite per le previsioni con 385 milioni di parametri

IBM ha rilasciato Granite Time Series PatchTST-FM-r2, un modello da 385 milioni di parametri per le previsioni zero-shot, la predizione probabilistica e l’imputazione dei valori mancanti. Il modello si colloca al secondo posto tra i sistemi

AI.info Team · Scritto con l’IA · verificato · 2026-09-12

Il nuovo modello di IBM punta alle previsioni senza addestramento specifico per ogni compito

IBM ha rilasciato Granite Time Series PatchTST-FM-r2, un nuovo modello fondazionale progettato per prevedere serie temporali mai viste senza effettuare il fine-tuning su ogni singolo dataset. Il sistema, con circa 385 milioni di parametri, supporta previsioni puntuali e probabilistiche, l’imputazione dei valori mancanti e orizzonti di previsione flessibili.

Il rilascio è stato annunciato il 9 settembre 2026 in un post su Hugging Face firmato da Roman Vaculin, Wesley M. Gifford, Jiri Navratil, Chandra Reddy e Ayhan Sebin di IBM Research. I pesi del modello, la pipeline di inferenza, l’implementazione dell’architettura e il codice per riprodurre i risultati del benchmark sono disponibili sulla pagina del modello Granite Time Series.

«Invece di addestrare e mantenere un modello distinto per ogni dataset, gli utenti possono usare un modello preaddestrato e generare previsioni zero-shot», ha scritto nell’annuncio Roman Vaculin, membro senior del personale di ricerca di IBM Research.

IBM propone il modello per carichi di lavoro che riguardano, tra l’altro, la pianificazione della domanda, i consumi energetici, il traffico, i volumi delle transazioni, i prezzi, la telemetria dei sistemi informatici e i sensori industriali. Gli utenti forniscono uno storico recente di osservazioni e il modello produce previsioni senza una fase di adattamento specifica per il compito.

PatchTST-FM-r2 si colloca dietro TimesFM-3 su GIFT-Eval

Il principale risultato prestazionale dichiarato da IBM proviene da GIFT-Eval, un benchmark che valuta le previsioni di serie temporali su diversi dataset e in diverse condizioni di previsione. All’8 settembre, il modello si colloca al secondo posto tra i sistemi zero-shot replicabili valutati senza contaminazione dei dati di test.

PatchTST-FM-r2 registra una media geometrica del continuous ranked probability score, o CRPS, pari a 0,467 e una media geometrica del mean absolute scaled error, o MASE, pari a 0,6846. Per entrambe le misure, valori più bassi indicano risultati migliori. Il modello si trova immediatamente dietro TimesFM-3 nel confronto del CRPS zero-shot ed è al primo posto tra i sistemi rilasciati con licenze commerciali permissive, afferma IBM.

La posizione nel benchmark presenta limiti che IBM stessa segnala nella propria documentazione. GIFT-Eval include modelli classificati come preaddestrati, consentendo loro di utilizzare nei dati di preaddestramento le porzioni di addestramento dei dataset di valutazione. Quando questi sistemi vengono aggiunti al confronto, PatchTST-FM-r2 si colloca al terzo posto per il CRPS e al quarto per il MASE tra i modelli replicabili.

La scheda del modello afferma anche che, al 31 agosto, i risultati erano stati inviati a GIFT-Eval tramite una pull request ancora in sospeso. L’annuncio su Hugging Face usa per il confronto la classifica dell’8 settembre, quindi il piazzamento descrive un’istantanea del benchmark riferita a una data precisa, non una posizione permanente.

I blocchi conformer sostituiscono la pila standard di transformer

PatchTST-FM-r2 mantiene l’approccio basato su patch utilizzato dal precedente PatchTST-FM-r1, ma modifica i blocchi interni del modello. I livelli transformer standard sono sostituiti da blocchi in stile conformer che combinano la self-attention multi-head con la convoluzione temporale.

Questa struttura colloca un livello di convoluzione tra due livelli feed-forward a mezzo passo. L’attention può modellare le relazioni tra patch distanti, mentre la convoluzione gestisce i pattern a più breve distanza in porzioni adiacenti di una serie. Secondo IBM, la struttura mira a ridurre la tendenza delle previsioni basate su patch a produrre discontinuità tra patch vicine.

Il modello usa patch sovrapposte di lunghezza 16, con uno scorrimento di otto. L’addestramento applica una ponderazione con finestra di Hamming, mentre l’inferenza usa un metodo di sovrapposizione e somma per combinare le previsioni delle patch vicine. IBM aumenta inoltre il numero di blocchi dell’architettura da 20 in r1 a 30 in r2 e aggiunge un livello di normalizzazione prima della testa di previsione per stabilizzare l’addestramento.

PatchTST-FM-r2 accetta una lunghezza di contesto fino a 8.192 osservazioni e usa una testa di previsione a 99 quantili. Questa consente al sistema di restituire distribuzioni di previsione anziché un solo valore atteso, offrendo agli utenti diverse stime corrispondenti a differenti livelli di probabilità.

IBM elenca quattro fonti per il corpus di preaddestramento

I dati di preaddestramento documentati del modello combinano diverse fonti. IBM ha usato dataset selezionati da GiftEvalPretrain, sequenze sintetiche personalizzate basate su KernelSynth, un corpus TSMixup generato con un processo descritto nel lavoro su Chronos e circa 500.000 sequenze CauKer sintetiche di lunghezza 4.096.

I dati TSMixup sono stati limitati a dataset esterni all’insieme di valutazione di GIFT-Eval. La separazione mira a limitare la contaminazione dei dati di test, una delle condizioni utilizzate nel confronto del benchmark. La scheda del modello indica l’ampliamento dei dati sintetici come una delle principali differenze rispetto a PatchTST-FM-r1.

La pubblicazione delle fonti dei dati offre ai ricercatori più informazioni per valutare i risultati dichiarati del modello nel benchmark e la sua idoneità alle proprie applicazioni. Non elimina la necessità di verificare se un’implementazione specifica soddisfi i requisiti di governance, uso dei dati e licenza di un’organizzazione.

Apache 2.0 e OpenMDW 1.0 rendono i pesi ampiamente utilizzabili

IBM rilascia PatchTST-FM-r2 con un accordo a doppia licenza. Gli utenti possono scegliere tra Apache License 2.0 e Open Model Development and Distribution License versione 1.0, comunemente chiamata OpenMDW 1.0.

Le licenze permissive sono centrali nel modo in cui IBM presenta il modello. PatchTST-FM-r2 è il modello con le migliori prestazioni nella sua categoria su GIFT-Eval tra i sistemi con licenze favorevoli all’uso commerciale, afferma l’azienda. L’architettura è disponibile anche nel repository pubblico Granite TSFM di IBM, che resta retrocompatibile con i checkpoint di PatchTST-FM-r1.

Gli sviluppatori possono installare il pacchetto con pip install "granite-tsfm>=0.3.9", caricare il modello da Hugging Face Hub e passare una finestra di dati recenti alla pipeline di previsione. L’esempio di IBM usa 512 osservazioni orarie del dataset ETTh1 per produrre una previsione a 64 passi con valori al 10º, 50º e 90º percentile.

Il rilascio amplia il più vasto portafoglio Granite Time Series di IBM. IBM e Confluent hanno annunciato il 1º settembre che diversi modelli Granite per serie temporali entravano in Early Access su Confluent Cloud, dove è possibile generare previsioni e risultati sulle anomalie a partire da dati in streaming tramite Apache Flink. PatchTST-FM-r2 viene rilasciato inizialmente come modello aperto per la sperimentazione diretta, con i punteggi dei benchmark, l’implementazione e i termini di licenza disponibili per l’esame.