IBM 開源 3.85 億參數時間序列模型 Granite Time Series PatchTST-FM-r2，GIFT-Eval 零樣本評測獲開源授權榜首

IBM 在 Hugging Face 發布時間序列基礎模型 Granite Time Series PatchTST-FM-r2。該模型規模約 3.85 億參數，支援高達 8,192 的上下文長度與彈性預測長度，並透過 99 分位數預測頭（99-quantile prediction head）提供機率預測，同時支援缺失值插補。 相較於前代 PatchTST-FM-r1 使用標準 Transformer，新版架構改採源自語音處理的 Conformer 區塊，結合多頭自注意力機制與時間卷積（temporal convolution），使模型能透過自注意力處理長距離關係，並利用卷積捕捉局部短期時間結構。 根據 2026 年 9 月 8 日的 GIFT-Eval 評測基準，該模型在無測試資料外洩且可復現的零樣本（zero-shot）類別中，以 CRPS 0.467 及 MASE 0.6846 的成績位居總排名第二（僅次於 TimesFM-3），並在具備商業友善授權的模型中排名第一。即使將允許使用評測訓練資料的預訓練模型納入比較，其表現仍超越 Chronos-2、Timer-S1 與 Toto 等規模更大的模型。 目前該模型的權重、架構、推論管線與復現評測的程式碼皆已公開，並採 Apache-2.0 與 OpenMDW-1.0 雙重授權，使用者可擇一適用。