The Pulse
Mistral presenta i modelli Timestral per le previsioni, a partire da 5 milioni di parametri
Mistral ha presentato Timestral, una famiglia di quattro modelli per la previsione di serie temporali che vanno da 5 milioni a 209 milioni di parametri. Secondo l’azienda, i modelli possono produrre previsioni probabilistiche su CPU e si co
AI.info Team · Scritto con l’IA ·
Secondo Mistral, il suo modello Timestral più piccolo può produrre una previsione per il giorno successivo a partire da tre settimane di dati rilevati ogni 15 minuti, impiegando 10 millisecondi su una CPU per server a otto thread. Il modello più grande impiega 140 millisecondi per lo stesso compito, secondo l’azienda. I dati accompagnano il lancio di Timestral, una famiglia di modelli per la previsione di serie temporali annunciata il 15 ottobre 2026.
I quattro modelli hanno 5 milioni, 28 milioni, 123 milioni e 209 milioni di parametri. Mistral li propone per previsioni basate su dati operativi, come quelli dei sensori delle apparecchiature, dei consumi energetici, delle attività della catena di approvvigionamento e dei flussi finanziari: un lavoro che può coinvolgere molte serie temporali correlate e l’incertezza sui valori futuri.
Quattro dimensioni, una famiglia di modelli per le previsioni
Timestral produce previsioni probabilistiche multivariate: prevede insieme serie correlate e restituisce un intervallo di possibili risultati, anziché un unico valore. Accetta sia dati relativi soltanto al passato sia informazioni note sul futuro, come programmi di produzione o fermi programmati. Il modello supporta contesti fino a 32.768 passi temporali e produce 21 quantili per ogni passo della previsione.
Questa combinazione è pensata per problemi in cui una previsione dipende da più segnali contemporaneamente. Uno stabilimento, per esempio, potrebbe usare insieme le letture di vibrazioni, temperatura e pressione; anche una modifica programmata della produzione potrebbe essere fornita come informazione nota in anticipo. Mistral afferma che Timestral può funzionare senza GPU e che i modelli più piccoli sacrificano parte dell’accuratezza in cambio della velocità.
La rivendicazione di Mistral sui benchmark ha una riserva
Secondo Mistral, il modello da 209 milioni di parametri si colloca al primo posto tra i modelli preaddestrati zero-shot su GIFT-Eval, TIME e fev-bench. L’azienda scrive: «Il nostro modello più grande, con appena 209 milioni di parametri, si colloca al primo posto in tutti e tre i principali benchmark pubblici del settore». Afferma che questi risultati sono stati ottenuti con un unico checkpoint, senza ricorrere a un insieme di modelli; nell’annuncio precisa inoltre che i risultati sono stati inviati alle classifiche di GIFT-Eval e TIME.
Le comparazioni si basano sulla valutazione riportata dall’azienda, non su una valutazione indipendente contenuta nell’annuncio. Secondo Mistral, il suo modello da 28M supera Chronos-2, che descrive come circa quattro volte più grande, su GIFT-Eval e TIME; il modello da 209M supera TimesFM-3 e Falcon-2.0 pur avendo meno parametri. Un rapporto tecnico con i risultati completi deve ancora essere pubblicato: quando lo sarà, i lettori esterni potranno esaminare nel dettaglio i metodi e le comparazioni.
Licenze diverse per pesi e codice
Mistral ha pubblicato un repository GitHub per eseguire Timestral sui dati degli utenti, con link ai pesi dei modelli. Secondo i materiali del progetto, il codice del repository è distribuito con licenza Apache 2.0, mentre i pesi usano una licenza Modified MIT. Mistral afferma inoltre che le organizzazioni possono adattare il modello tramite la sua pipeline di addestramento Forge, anche con il fine-tuning su dati proprietari e distribuendo la pipeline sul proprio hardware, compresi gli ambienti isolati dalla rete.
Il lancio mette a disposizione un modello compatto per previsioni di uso generale e un modo concreto per le organizzazioni di provarlo sui dati locali. La sua utilità dipenderà dalla tenuta delle prestazioni nei benchmark nelle applicazioni reali e da quanto adattamento richiederanno i diversi settori. Per ora, l’esempio pubblicato da Mistral sull’uso della CPU è specifico: una previsione per il giorno successivo a partire da tre settimane di rilevazioni ogni quarto d’ora, completata in 10 millisecondi dal modello da 5M.