Cuatro modelos, ninguno grande
Mistral ha publicado Timestral, su primera familia de modelos fundacionales de series temporales, construida para la previsión probabilística multivariante en lugar del texto. El anuncio, fechado el 15 de octubre, abarca cuatro puntos de control que comparten una arquitectura y una receta de entrenamiento: 5, 28, 123 y 209 millones de parámetros. La colección en Hugging Face los lista como Timestral-5M hasta Timestral-209M, con el menor en 5,21 millones de parámetros.
La afirmación práctica es que ninguno necesita acelerador. Mistral dice que prever un día por delante a partir de tres semanas de histórico con resolución de 15 minutos lleva unos 10 milisegundos con el modelo de 5M y unos 140 milisegundos con el de 209M, ejecutándose sobre ocho hilos de CPU. En inferencia no hace falta GPU.
La ventana de contexto es de 32.768 pasos temporales. Las entradas pueden incluir objetivos multivariantes, covariables solo pasadas y covariables de futuro conocido, con soporte para covariables categóricas; la salida es una previsión probabilística en 21 cuantiles, no un número único.
Las cifras de referencia son de la propia empresa
Mistral informa de que el modelo de 209M encabeza tres referencias públicas de previsión —GIFT-Eval, TIME y fev-bench— y dice que lo hace «con solo dos tercios de los parámetros del modelo» del estado del arte anterior. Entre los modelos preentrenados de disparo cero reclama el primer puesto en las cinco métricas, con un único punto de control y sin ensamblado, y se sitúa en el top diez global de 83 entradas en GIFT-Eval, 35 en TIME y 37 en fev-bench.
Destacan dos comparaciones concretas. El modelo de 28M, dice Mistral, supera a Chronos-2 en GIFT-Eval y TIME pese a que Chronos-2 es unas cuatro veces mayor. El de 209M supera a TimesFM-3 y Falcon-2.0 con menos parámetros. El de 123M queda a un 0,2% de la puntuación del de 209M con unas tres cuartas partes de su latencia.
Todas estas cifras las publica el proveedor, sin informe técnico que las acompañe —Mistral dice que aún está por llegar— y sin evaluación independiente. Las clasificaciones citadas son públicas, de modo que en principio pueden comprobarse; el encuadre sobre eficiencia de parámetros es de Mistral.
Qué se entrega realmente
Los pesos se publican bajo una licencia MIT modificada, disponibles a través de un repositorio de GitHub y una colección en Hugging Face, con la adaptación de dominio gestionada mediante Mistral Forge. La empresa enumera despliegues en local, en VPC y aislados de red, lo que junto con la inferencia solo en CPU apunta al comprador previsto: un equipo de operaciones que hace previsiones dentro de su propia red en lugar de llamar a una API.
Los casos de uso que nombra Mistral son planificación de capacidad, energía, cadenas de suministro y telemetría de sensores. Son ámbitos donde los datos rara vez salen del edificio y donde un modelo de 28 millones de parámetros que corre sobre el hardware existente es una propuesta materialmente distinta de un modelo de frontera alojado.
Por qué el tamaño importa más que la clasificación
Los modelos fundacionales de series temporales llevan dos años convergiendo en la misma apuesta: que preentrenar sobre suficientes series, en gran medida sintéticas, produce un previsor que funciona a disparo cero sobre datos que nunca ha visto. Mistral atribuye el resultado al preentrenamiento sintético, a la atención consciente de covariables, a una técnica que llama Decoupled Horizon Forecasting y a un entrenamiento en dos etapas que arranca con 8.192 de contexto y luego lo cuadruplica.
Si las afirmaciones de eficiencia se sostienen de forma independiente, la cifra interesante no es la posición en la tabla sino el recuento de parámetros que la acompaña. Un previsor lo bastante pequeño para instalarse junto al sistema que predice cambia dónde puede desplegarse esta clase de modelo, y por quién.
Lo que conviene vigilar es el informe técnico, que aún no ha aparecido, y las primeras ejecuciones independientes sobre GIFT-Eval y fev-bench por alguien que no sea Mistral. Hasta entonces, las clasificaciones deben leerse por lo que son: la evaluación del propio proveedor sobre su propio lanzamiento.
