Mistral 發布首個時序基礎模型 Timestral，209M 參數在三大公開榜單排名第一

Mistral 發布首個時序基礎模型系列 Timestral，提供 5M、28M、123M、209M 四種參數規模。官方宣稱最大的 209M 版本在 GIFT-Eval、TIME、fev-bench 三大公開評測中，於預訓練零樣本模型類別的五項指標全數排名第一，且僅用結果來自單一 checkpoint、未經集成。在 GIFT-Eval 與 TIME 排行榜上，官方表示成績已提交並可查閱。 模型支援機率式多變量預測，可輸出完整分位數，並能處理過去已知與未來已知的協變量，包括類別型變量（如星期、設備狀態）。官方稱各尺寸皆位於準確度與模型大小的 Pareto 前緣，28M 版本在 GIFT-Eval 與 TIME 上勝過體積約四倍的 Chronos-2，209M 版本以較少參數超越 TimesFM-3 與 Falcon-2.0。 推論不需 GPU。官方在 8 執行緒標準伺服器 CPU 上測得：以三週、每 15 分鐘一筆的歷史資料預測未來一天，5M 模型耗時 10 毫秒，209M 模型耗時 140 毫秒；28M 模型速度約為 209M 的五倍，123M 模型的分數則距離 209M 僅 0.2%，延遲約為其四分之三。 官方另以工廠場景說明，Timestral 可於既有監控流程中持續分析感測器串流，偵測異常後，可再搭配語言模型與子代理進行根因分析。此為官方描述的應用方向，尚未見獨立實測。