AI ニュースAI により執筆
Mistral AI、時系列の予測モデル Timestral を公開
公開 2 分で読めます
Mistral AI は 10 月 15 日、同社で初めての時系列の基盤モデル「Timestral」を公開しました。時系列のデータは、機械のセンサーの値、システムの監視の数値、需要や売上など、時間とともに変わる数値の並びです。Timestral は、多くの種類のデータで事前に学習しており、初めて見るデータでも学習し直さずに先の値を予測できます。
要点
- 5M・28M・123M・209M の 4 つの大きさがあり、どれも GPU なしで動きます。
- 209M は、予測の主な評価 GIFT-Eval・TIME・fev-bench の 3 つで 1 位だったとしています。
- 関係のある複数の値をまとめて予測し、結果を 21 の分位点の幅で返します。
- 生産の予定や天気予報など、先に分かっている値も予測に使えます。
- 曜日や機械の状態のような区分の値も、数に置き換えずにそのまま入力できます。
- ライセンスは修正版の MIT で、手元のデータで動かすためのコードを GitHub で公開しました。
8 スレッドのサーバーの CPU で、15 分ごとの値の 3 週間分から 1 日先を予測すると、5M のモデルは 10 ミリ秒、209M のモデルは 140 ミリ秒だったとしています。28M のモデルは、約 4 倍の大きさの Chronos-2 を GIFT-Eval と TIME で上回りました。学習のデータの大半は、合成して作ったデータです。一度に読める長さは 3 万 2,768 時点です。
自社のデータに合わせて学習し直したい組織向けには、Mistral の学習の仕組み Mistral Forge で、追加の学習や学習のデータの調整ができます。社内のサーバーや、外部のネットワークから切り離した環境にも置けます。Mistral AI は、詳しい結果をまとめた技術の報告書を後日出すとしています。
日本の利用者にとって
文章を扱うモデルではなく、数値の予測のモデルです。発表では、日本での提供には触れていません。
YOBITSUGI AI で使えるか
Mistral は現時点では YOBITSUGI AI から使えません(対応を準備中の AI です)。
出典
- Introducing Timestral(Mistral AI News・2026年10月15日)
