Timestralは、需要やセンサー値などの時系列を事前学習し、新しいデータにも追加学習なしで予測を試せるモデル群だ。過去の変数に加え、将来の予定など既知の変数を入力できる。最大32,768時点の履歴を扱い、予測の不確実性を21の分位点で出力する。
5M
- パラメータ数
- 500万
28M
- パラメータ数
- 2,800万
123M
- パラメータ数
- 1億2,300万
209M
- パラメータ数
- 2億900万
Mは100万パラメータを表す。出典はMistralの発表と公式リポジトリ。
同社のCPU測定では、8スレッドで15分間隔の3週間分の履歴から翌1日を予測した。5Mは約10ミリ秒、209Mは約140ミリ秒だった。この時間は指定した入力・予測範囲での同社測定で、すべての運用環境の処理速度を保証しない。
同社は公開ベンチマークでの優位性も報告したが、実務のデータ分布や将来の変化への性能は個別に確かめる必要がある。公式リポジトリの推論コードはApache 2.0、別配布のモデル重みはModified MITで、同じ利用条件ではない。詳細技術報告は今後公表するとしている。
出典
- Mistral Timestral発表2026-10-15公開、10-17確認。4サイズ、予測機能、CPU測定の条件。
- Timestral公式リポジトリ2026-10-17確認。READMEとLICENSE。コードはApache 2.0、重みは別条件。
出典の確認日 2026.10.17