Timestral把预测交给数值模型，CPU也能运行

时间序列 / 开源模型 · 8.5/10 · 建议深挖

Mistral发布Timestral，提供5M至209M参数的四个版本。它预测销量、负载、传感器读数等随时间变化的数据，输出21个分位数，让使用者看到预测区间，而不只有一个数字。推理代码已经公开，支持CPU和GPU。

其中一个实用设计，是区分“过去才知道的信息”和“未来已经确定的信息”。例如预测工厂负载时，排班、计划停机和节假日可以提前提供；未来真实负载则不能偷偷送进模型。Timestral通过注意力中的可见范围控制这两类信息，再联合预测相关序列。它还把预测词元与历史上下文分开，避免为了设置预测目标而损失可用历史。

官方给出的8线程CPU例子中，用三周的15分钟间隔历史预测未来一天，5M版本约10毫秒，209M版本约140毫秒。这只适用于所列工作负载。公共榜单结果同样来自发布方报告，完整技术报告尚待发布。

对现有监控系统，这种小型数值模型可能比持续调用聊天模型更合适：它负责连续预测，异常发生后，再让Agent查维修记录、日志和手册。但预测误差是否真的降低、告警是否可靠，仍要在本单位的数据上回测，尤其要检查设备老化或业务变化后的表现。