Fyra modeller, ingen av dem stor
Mistral har släppt Timestral, bolagets första familj av grundmodeller för tidsserier, byggd för probabilistisk multivariat prognos i stället för text. Beskedet, daterat den 15 oktober, omfattar fyra kontrollpunkter som delar en arkitektur och ett träningsrecept: 5, 28, 123 och 209 miljoner parametrar. Samlingen på Hugging Face listar dem som Timestral-5M till Timestral-209M, där den minsta har 5,21 miljoner parametrar.
Den praktiska poängen är att ingen av dem behöver en accelerator. Mistral uppger att en prognos ett dygn framåt utifrån tre veckors historik med 15 minuters upplösning tar omkring 10 millisekunder med 5M-modellen och omkring 140 millisekunder med 209M-modellen, på åtta processortrådar. Något grafikkort behövs inte vid inferens.
Kontextfönstret är 32 768 tidssteg. Indata kan omfatta multivariata målserier, kovariat som bara finns bakåt i tiden och kovariat vars framtid är känd, med stöd för kategoriska kovariat. Utdata är en probabilistisk prognos över 21 kvantiler, inte ett enskilt tal.
Mätvärdena är bolagets egna
Mistral uppger att 209M-modellen toppar tre offentliga prognosmätningar — GIFT-Eval, TIME och fev-bench — och säger att den gör det ”med bara två tredjedelar av modellparametrarna” jämfört med den tidigare ledaren. Bland förtränade nollskottsmodeller hävdar bolaget förstaplats på samtliga fem mått, med en enda kontrollpunkt och utan ensemble, och placerar sig i topp tio totalt av 83 bidrag på GIFT-Eval, 35 på TIME och 37 på fev-bench.
Två jämförelser sticker ut. 28M-modellen slår enligt Mistral Chronos-2 på GIFT-Eval och TIME, trots att Chronos-2 är ungefär fyra gånger så stor. 209M slår TimesFM-3 och Falcon-2.0 med färre parametrar. 123M hamnar inom 0,2 procent av 209M-resultatet vid ungefär tre fjärdedelar av latensen.
Alla dessa siffror är leverantörens egna, publicerade utan åtföljande teknisk rapport — Mistral uppger att den dröjer — och utan oberoende utvärdering. Mätningarna som nämns är offentliga, så placeringarna går i princip att kontrollera. Inramningen om parametereffektivitet är Mistrals.
Vad som faktiskt levereras
Vikterna släpps under en modifierad MIT-licens, tillgängliga via ett GitHub-arkiv och en samling på Hugging Face, med domänanpassning genom Mistral Forge. Bolaget listar driftsättning på egen plats, i VPC och i nätverksisolerad miljö, vilket tillsammans med inferens enbart på processor pekar ut den tänkta köparen: ett driftteam som gör prognoser inne i sitt eget nät i stället för att anropa ett API.
Användningsfallen Mistral nämner är kapacitetsplanering, energi, leveranskedjor och sensortelemetri. Det är områden där data sällan lämnar byggnaden och där en modell på 28 miljoner parametrar som kör på befintlig hårdvara är ett påtagligt annat erbjudande än en frontmodell i molnet.
Varför storleken betyder mer än placeringen
Grundmodeller för tidsserier har i två år konvergerat mot samma vad: att förträning på tillräckligt många serier, till stor del syntetiska, ger en prognosmodell som fungerar utan anpassning på data den aldrig sett. Mistral tillskriver resultatet syntetisk förträning, kovariatmedveten uppmärksamhet, en teknik bolaget kallar Decoupled Horizon Forecasting, och en tvåstegsträning som börjar vid 8 192 i kontext och sedan fyrdubblar den.
Om effektivitetspåståendena håller vid oberoende prövning är den intressanta siffran inte placeringen i tabellen utan parameterantalet bredvid den. En prognosmodell som är liten nog att sitta bredvid systemet den förutsäger ändrar var den här sortens modell kan driftsättas, och av vem.
Det som bör följas är den tekniska rapporten, som ännu inte kommit, och de första oberoende körningarna på GIFT-Eval och fev-bench av någon annan än Mistral. Till dess bör placeringarna läsas som det de är: leverantörens egen utvärdering av sitt eget släpp.
