Timestral：Mistral、時系列基盤モデルを公開

何が起きたのか

Mistral は、時系列データ（時間の流れにそって並んだデータ）を予測するための「基盤モデル」を初めて出しました。Timestral は 4 つのサイズがあり、確率つきの予測や、複数の値をまとめた予測ができます。過去や未来の関連データも使えます。

主な数字

• 最大モデルは 209M パラメータ。前の最高性能モデルより少ない、約 3 分の 2 のサイズです。
• 4 つのサイズは 5M、28M、123M、209M パラメータです。
• 3 つの主要ベンチマーク（GIFT-Eval、TIME、fev-bench）で、事前学習済みのゼロショットモデルの中で 1 位です。
• 標準的なサーバー用 CPU（8 スレッド）で、5M モデルは 10 ミリ秒、209M モデルは 140 ミリ秒で予測できます。GPU は不要です。

時系列予測とは

時系列データは、工場のセンサー値や、お金の流れ、サーバーの監視データなど、会社でとてもよく使われます。これを使って、設備の準備や在庫、エネルギーの計画などを決めます。従来の方法は 1 つのデータごとに作り直す必要がありました。基盤モデルは、大量の多様なデータで先に学習しておき、初めてのデータでも予測できるようにしたものです。

なぜ大切なのか

少ないパラメータで高い精度が出せるなら、計算コストや電気代を減らせます。GPU がない小さな環境でも動くため、データが少ない分野でも使いやすくなります。性能と大きさのバランスが良いことが、この発表の一番の特徴です。

今後注目したいこと

• GIFT-Eval と TIME の公開ランキングで、提出した結果がどう評価されるか。
• Mistral Forge を使った、分野ごとの追加学習（ファインチューニング）がどれだけ使いやすいか。
• 実際の工場や金融の現場で、予測がどれだけ役立つか。