Mistral AI が、設備のセンサーの値や監視の指標など時系列データを予測するための基盤モデル「Timestral」を公開した。最大2億900万パラメータで、CPU だけで動かせるとしている。重みは Modified MIT ライセンスで公開。
- Mistral AI が2026年10月15日、時系列データの予測に特化した基盤モデル「Timestral」シリーズを初めて公開した。パラメータ数の異なる4種（500万・2800万・1億2300万・2億900万）があり、設備のセンサーの値や監視の指標など、企業が持つ時系列データの予測に使うとしている。こうした予測は、設備の容量計画・エネルギー・供給網・リスク・保守の判断に使われるとしている
- 最大の2億900万パラメータのモデルは、主要な公開ベンチマーク3つ（GIFT-Eval・TIME・fev-bench）すべてで首位になったとしている（結果は GIFT-Eval と TIME のリーダーボードに提出したとしている）。それまでの最高水準のモデルより少ないパラメータ数（3分の2）で上回ったとしている
- 複数の指標をまとめて予測する「多変量」の予測と、確率つきの予測（値の幅）に対応。すでに分かっている将来の予定（生産計画や天気予報など）を予測に反映する仕組みも持つとしている
- GPU を使わず、CPU だけで動かせるとしている。8スレッドの標準的なサーバー CPU で、3週間分の15分ごとの履歴から1日先を予測する処理が、500万パラメータのモデルで10ミリ秒、2億900万パラメータのモデルで140ミリ秒かかるとしている
- 2800万パラメータのモデルは、約4倍の大きさの他社モデル「Chronos-2」を GIFT-Eval と TIME で上回ったと主張している。2億900万パラメータのモデルも、他社の「TimesFM-3」「Falcon-2.0」より少ないパラメータ数で上回ったとしている
- 扱える時系列の長さ（コンテキスト長）は32,768ステップ。出力は21段階の分位点による確率つきの予測
- 重みは「Modified MIT」ライセンスで公開。オンプレミス・VPC・外部と切り離した環境（air-gapped）への配置に対応するとしている
- 料金は発表には無い。GitHub で重みと実行コードを公開しており、自社の学習基盤「Mistral Forge」を使えば、自社データでの追加学習や本番導入もできるとしている。詳しい技術報告書は今後公開するとしている
確かめた一次資料
この記事は、上の一次資料の原文を読んで書いています。数字は原文のとおりで、計算した値はそう書いています。