Mistral推出Timestral时间序列模型：CPU推理与2000万美元许可门槛

Mistral 最新发布的模型不写一个字。Timestral 读取一列数字，告诉你它下一步可能走向哪里，并给出一个范围。Mistral 声称其最大版本以 2.09 亿参数「在所有三个主要公开基准测试中排名第一」，并且「推理时不需要 GPU」。

如果你靠一张指标表做容量规划、成本预测或异常告警，这是一个有用的发布。然后你打开许可证。权重以 Mistral 所称的「修改版 MIT 许可证」发布，修改之处是一条收入上限：如果你公司上个月的全球月收入超过 2000 万美元，你就不被授权使用它。

Mistral 发布了什么

Timestral 是一个由四个时间序列基础模型组成的家族，共享同一架构和训练配方。这里的「基础模型」意味着零样本：你给它历史数据，它就能预测，无需先在你的数据上训练。GitHub README 列出了检查点：

模型	Hub 仓库	fp32 权重
Timestral-5M	mistralai/Timestral-5M	21 MB
Timestral-28M	mistralai/Timestral-28M	111 MB
Timestral-123M	mistralai/Timestral-123M	490 MB
Timestral-209M	mistralai/Timestral-209M	837 MB

209M 模型卡给出了这个模型的基本形态。它最多读取 32,768 个历史步骤，每次前向传播最多预测 1,024 步。每个预测输出 21 个分位数，从 0.01 到 0.99，为每一步给出一个可能值的区间。它可以同时接受一个或多个序列，以及协变量——这些协变量要么只在过去已知，要么在未来已知（节假日、计划中的促销、已安排的部署）。缺失值以 NaN 形式传入。

在 8 线程的服务器 CPU 上，用三周 15 分钟粒度的历史数据预测未来一天，Mistral 报告 5M 模型耗时 10 毫秒，209M 耗时 140 毫秒，28M 比 209M 快五倍。Mistral 文档将 Timestral 1.0 列为「公开预览」，未标明 API 价格，所以目前你需要自己下载并运行。

什么是时间序列基础模型

时间序列基础模型（Time Series Foundation Model，TSFM）是把大模型范式迁移到数值序列预测上的产物。传统做法需要为每条序列单独训练 ARIMA、Prophet 或梯度提升模型，特征工程和调参占了大部分工作量。TSFM 则在海量异构序列（电力负荷、零售销量、网络流量、传感器读数等）上预训练，学习跨领域的时序模式，从而在遇到新序列时能直接零样本推理。这与 NLP 里的 GPT 系列在思路上一致：预训练阶段吸收通用规律，下游任务只需给出上下文。

判断一个 TSFM 是否实用，通常看三点：上下文窗口能容纳多长的历史、能否输出概率分布而非单点、以及对协变量的支持程度。Timestral 在这三点上分别给出 32,768 步、21 个分位数、以及过去已知与未来已知两类协变量。理解这个背景有助于判断它相对 TimesFM、Chronos、t0 等同类模型的定位。

基准测试声明与来源

以下所有数字均来自 Mistral。模型卡称技术报告「即将发布」，在报告落地之前，你无法检查其方法。

在模型卡的对比表中，Timestral-209M 在 GIFT-Eval 上的 MASE 得分为 0.658，对比 t0-gamma 的 0.661、TimesFM-3 的 0.667 和 Chronos-2 的 0.698（越低越好）。在 fev-bench 的 SQL 技能得分上，它录得 50.39，对比 t0-gamma 的 49.42 和 Chronos-2 的 47.28（越高越好）。它在每一行都领先，但相对于第二名的优势很小。

对大多数团队来说，小模型才是更有意思的部分。28M 模型在 GIFT-Eval MASE 上得分 0.678，在 TIME MASE 上得分 0.638，两者都领先于 Chronos-2 的 0.698 和 0.662，但在 GIFT-Eval 上落后于 t0-gamma 和 TimesFM-3，在 TIME 上略落后于 t0-gamma 的 0.637。Mistral 称 Chronos-2 大约是其四倍大小。

Mistral 表示这些结果来自单个检查点，没有集成，已提交至 GIFT-Eval 和 TIME 排行榜，并且大部分训练数据是合成的，因此「我们回测的内容在预训练中从未见过」。这回应了预测基准测试中常见的担忧——数据泄漏。技术报告仍需支持这一点。

MASE、GIFT-Eval 与 fev-bench

MASE（Mean Absolute Scaled Error）是预测领域最常用的精度指标之一。它把模型的平均绝对误差除以一个朴素基线（通常是季节性朴素预测）的误差，因此 MASE 小于 1 意味着模型优于基线，越低越好。这个设计的好处是跨序列可比：不同量纲的序列经过基线归一化后可以直接取平均。

GIFT-Eval 和 fev-bench 是近两年出现的时序评测套件。GIFT-Eval 汇集了来自多个领域的数千条真实序列，强调零样本场景下的泛化能力；fev-bench（Forecasting Evaluation Benchmark）则从 SQL 查询生成等任务角度考察模型的数值推理技能，其得分越高越好。需要注意的是，这些榜单的数值容易受序列筛选、预测长度设置和归一化方式影响，所以 Mistral 在 GIFT-Eval 上 0.658 对 TimesFM-3 的 0.667 这种个位数千分位的差距，在方法细节公布之前不足以构成定论。

「修改版 MIT」中的 MIT

推理代码是 Apache 2.0。权重则不是。README 称权重「在 Hugging Face Hub 上以修改版 MIT 许可证单独分发」，而那个许可证正是陷阱所在。

授权本身读起来像 MIT：使用、复制、修改、合并、发布、分发、再许可和出售。然后许可证文件补充道，如果你的公司（或你雇主的公司）「上一个月的全球合并月收入超过 2000 万美元（或等值其他货币）」，你就「不被授权行使本许可证下的任何权利」。该限制涵盖模型「及其任何衍生品、修改或结合作品」。超过这条线的公司可以向 Mistral 申请商业许可证，Mistral 可自行决定是否授予，或者使用 Mistral 的托管服务。5M 模型的许可证带有同样的 2000 万美元上限，所以更小的检查点并不是绕开限制的方法。

我的解读（我不是律师）：

1. 按月衡量。接近这条线的公司可能这个月在许可证内，下个月就在外面。
2. 它跟随权重进入衍生品、修改和结合作品，包括微调后的副本。
3. 它计算你整个雇主的收入，无论你团队的预算有多小。

Mistral 的公告将 Timestral 定位为本地部署、VPC 和空气隔离部署。把这一点和收入上限放在一起读。最有可能需要空气隔离预测的大型企业，往往正是月收入超过 2000 万美元的那些，因此它们需要商业许可证。这是我对两份文件的解读，不是 Mistral 说过的话。

用一周流量试试

如果你在收入线以下，尝试很简单。该包不在 PyPI 上。README 从 GitHub 安装，要求 Python 3.10+ 和 torch 2.4+：

pip install git+https://github.com/mistralai/timestral.git

下面是一个容量规划版本的 README 快速入门。它接受每小时请求数，用 28M 模型预测未来 168 小时：

import numpy as np
from timestral import TimestralForecaster


**分位数输出与容量规划**

Timestral 每次前向传播输出 21 个分位数，这对应的是概率预测而非点预测。分位数 q 表示「真实值小于等于该数的概率为 q」。当你在做容量规划时，中位数（p50）告诉你典型负载，而 p90 或 p99 告诉你需要在多少容量下才能把超载概率控制在可接受范围。示例代码中建议按 p90 配置服务器，正是因为哪怕模型完全准确，实际负载也有一半时间会高于中位数。

分位数的另一个价值是给出区间宽度：p10 与 p90 之间的跨度就是 80% 预测区间，跨度越大说明模型对该区域的把握越小。这在异常告警中同样有用——如果观测值落在 p99 之外，值得排查。这种输出形式的代价是模型需要优化分位数损失（pinball loss）而非简单的均方误差，训练难度更高，但换来的是可直接用于风险决策的信息。
# 每行一个值：每小时请求数，最早的在前。
history = np.loadtxt("requests_per_hour.txt")

model = TimestralForecaster.from_pretrained(
    "mistralai/Timestral-28M"
)
week = model.forecast(history, prediction_length=168)

p50 = week.median
p90 = week.quantile(0.9)
print("peak p50:", p50.max())
print("peak p90:", p90.max())

按照 p90 而不是中位数来配置服务器。实际负载有一半时间会落于中位数之上。

README 中还有几个选项在你把这个放进作业之前值得了解。from_pretrained 接受 revision 参数，所以可以在模型处于公开预览时固定一个提交。local_files_only=True（或 HF_HUB_OFFLINE=1）使其只从本地缓存读取，适合锁定环境的机器。已知的未来事件放在 known_covariates 中，形状为 (B, C_known, T + prediction_length)，一行只有 0 和 1 的会被视为指示符，这就是你标记发布日的方式。

它的边界在哪里

README 对限制直言不讳。超过 32,768 步的上下文会被截断，保留最近的。超过 1,024 步的预测按块进行，「每个块的中位数作为上下文反馈」，所以长预测的远端建立在前面的猜测之上。协变量条件化预测，而它们本身永远不会被预测。项目不接受拉取请求；问题「以尽力而为的方式」处理。

我自己没有运行过 Timestral，所以无法告诉你它在你的指标上表现如何。但公平的测试很便宜：在你自己的一个月历史数据上回测它，与你现在使用的方法对比，然后在任何人基于它构建之前，检查你的公司是否在 2000 万美元线以下。

「MIT」权重上的收入上限会阻止你在工作中采用一个模型吗？还是说小公司免费这一层看起来是一笔公平的交易？