Mistral发布最强时间序列预测模型Timestral：手机也能跑

Mistral最近开源了时间序列基础模型Timestral，官方基准显示它在非代理（non-agentic）模型中表现最佳。更关键的是，这个模型提供从500万到2.09亿参数的多个版本，小尺寸版本甚至能在手机浏览器里直接跑。本文基于YouTube创作者的实际测试，结合官方基准和GitHub上的浏览器演示项目，梳理它的能力边界、实测表现和适用场景。

Timestral是什么：时间序列基础模型

时间序列预测并不新鲜，LightGBM、回归模型都能做。Timestral的不同之处在于它是“基础模型”——在大量多样化数据上预训练，不需要针对具体场景重新训练，就能零样本（zero-shot）预测新数据。

据创作者介绍，Timestral是概率性多变量预测模型：输出不是单一数值，而是包含分位数的概率分布；同时支持多变量预测和协变量输入，比如把未来的温度预报作为已知信息，来提升用电量预测的准确度。

模型提供四个尺寸，最大2.09亿参数，最小500万参数。相比大语言模型这依然很小，但带来的好处是低延迟和端侧部署可能。

零样本（zero-shot）预测指模型在未见过目标数据、也未针对该数据做任何微调的情况下直接给出预测。传统时间序列建模通常需要为每个数据集重新训练或调参，而基础模型通过大规模多样化预训练获得了通用的时序模式识别能力，因此可以直接迁移到新序列上。零样本并不意味着无条件准确，它的效果取决于预训练数据与目标数据的分布相似度；当目标序列具有罕见周期性或极端事件时，仍需少量示例做上下文学习或微调。

**协变量（covariate）**是在预测目标之外、但可能影响目标取值的外部变量。分为两类：未来已知协变量（如天气预报的温度、日历节假日）和过去观测协变量（如历史促销记录）。Timestral 支持将未来已知协变量作为输入，让模型在预测用电量时参考温度预报，这正是其相对纯历史外推方法的主要优势来源。

基准与实测：强，但不是没有代价

官方在GIFT-eval时间序列预测排行榜上声称超越所有非代理模型。创作者也提醒，这类基准存在“挑对自己有利的指标”的嫌疑，但整体表现确实亮眼：只有代理型（会推理、会组合信息的）模型排在它前面，而这属于不同类别的任务。

创作者用两个电力数据集做了对比测试，基准包括朴素复制上周值的baseline、LightGBM、Amazon的Chronos 2，以及Timestral不同尺寸。

第一个数据集预测单个变压器的用电负荷，预测未来168小时（一周）。结果上，朴素baseline的MAE约为3.985，LightGBM约3.865，Chronos 2约3.299，而最大版Timestral做到约3.192，但耗时约17.5秒，是全场最慢。

换成小尺寸后情况反转：500万参数版本只用约0.83秒，MAE约3.318，略逊于Chronos 2但快得多；2800万参数版本MAE约3.272，反超Chronos 2且速度更快。

创作者还展示了一个关键细节：Timestral输出21个分位数，中位数（50%分位）作为最可能的预测值，10%到90%分位构成可能的取值区间。实测中确实存在真实值落在区间之外的情况，说明概率输出也不是万能的。

GIFT-eval 是时间序列预测领域的公开基准排行榜，汇聚了多个不同频率、不同领域的数据集，并用统一的评估协议对模型打分。排行榜通常按 MASE、CRPS 等指标排名，但不同模型可能在不同子集上表现各异，因此“榜首”往往依赖具体的聚合方式。文章提到“挑对自己有利的指标”正是指这种聚合口径差异：厂商可以选择强调自己占优的数据子集或指标，而读者需要关注排行榜的评估协议和覆盖范围。

MAE（平均绝对误差） 是预测值与真实值绝对偏差的平均，单位与原始数据一致，因此便于直观理解，但对大误差不如 MSE 敏感。文中另一个指标数值更大，是因为它可能采用了不同量纲或不同聚合方式（如按序列归一化后的误差），两者不可直接横向比较。

协变量场景：差距被拉大

第二个数据集预测整个公用事业级别的用电需求，并引入温度作为协变量。这一步更能体现基础模型的价值：把未来已知信息喂进去，看预测能改善多少。

朴素baseline的误差指标约为175.5。LightGBM不带温度约165.3，带温度约134.7。Chronos 2不带温度约137.2，带温度约90.1。最大版Timestral不带温度约125.1，带温度约59.8——提升幅度明显大于其他模型，但耗时约87秒，是全场最长。

小尺寸版本扳回一城：500万参数版约4.42秒拿到约111.5，不及Chronos 2但可接受；2800万参数版约15到16秒拿到约71.4，已经优于Chronos 2。

这组数据说明一个实用结论：如果你追求极限精度且不在乎延迟，用最大版；如果要在几秒内出结果，2800万参数版是更好的平衡点。

手机浏览器里跑模型：端侧部署的可行性验证

创作者提到，Hugging Face上的模型文件基于PyTorch和safetensors，要在手机上跑需要转换成ONNX格式。GitHub上有开发者做了浏览器演示项目，把500万和2800万参数版本转成ONNX，直接在浏览器里以本地进程运行，不调用任何API。

创作者在三星Galaxy S25 Ultra上实测：打开网站、选择模型、运行预测，计算全部在手机本地完成。首次使用需要下载模型，之后即可离线推理。网站还支持上传自定义CSV，指定要预测的列、协变量列和预测步数。

需要说明的是，这个网站是第三方概念验证项目，创作者也直言其界面“很像是AI生成的”，但功能确实可用。它的意义在于证明：这类基础模型在端侧落地不需要复杂的工程改造。

ONNX（Open Neural Network Exchange） 是一种开放的模型交换格式，用于在不同深度学习框架之间迁移模型。PyTorch 训练出的模型可以导出为 ONNX 计算图，再由 ONNX Runtime 在浏览器（通过 WebAssembly 或 WebGPU）、移动端或服务器上执行推理，无需安装 PyTorch。导出过程需要处理动态形状、算子兼容性等问题，这也是第三方项目需要专门做转换工作的原因。

safetensors 是 Hugging Face 推出的一种模型权重存储格式，相比 pickle 更安全、加载更快，支持零拷贝映射。它只存储张量数据，不包含可执行代码，因此适合在浏览器等受限环境中分发模型文件。

适用场景与选型建议

从测试结果看，Timestral适合处理具有季节性、规律性、随时间变化的数据，比如电力负荷、销售额、功率预测等。创作者也提到可以尝试股票，但明确表示不推荐。

选型上可以按需求分三档：

• 追求最高精度、延迟不敏感：最大版（2.09亿参数），协变量场景优势最明显
• 平衡精度与速度：2800万参数版，多数测试中已能超越Chronos 2
• 极低延迟或端侧部署：500万参数版，亚秒级响应，可跑在手机浏览器

生态方面，所有尺寸都有Hugging Face仓库，开源免费。创作者还提到它是欧洲团队出品，对在意模型来源地的用户是个加分项。

一个需要注意的局限：本次测试均在CPU上完成，耗时数据会随硬件变化；MAE数值也仅代表这两个电力数据集上的表现，不能直接外推到其他领域。如果你手头有时间序列预测需求，值得用自己的数据跑一遍再做判断。