Timestral
Mistral推出的时间序列基础模型家族，基于零样本预测范式，支持CPU推理，可输出多分位数概率预测并支持协变量输入。
时间轴 (近 90 天)
Mistral 推出首个时间序列基础模型家族 Timestral，含 5M、28M、123M、209M 四个规格，纯 CPU 运行，单次预测 10–140ms，支持 32768 步上下文。
Mistral 称 Timestral 209M 版本在 GIFT-Eval/TIME/fev-bench 零样本预训练模型中排名第一。
Timestral 最大版本（209M 参数）在三个主要公开基准测试中排名第一。
Timestral 推理时不需要 GPU。
Timestral 权重以修改版 MIT 许可证发布，限制条款为：若公司上个月全球月收入超过 2000 万美元，则不被授权使用。
Timestral 推理代码是 Apache 2.0 许可，权重则采用修改版 MIT 许可。
Mistral 发布了 Timestral，一个由四个时间序列基础模型组成的家族（5M、28M、123M、209M），共享同一架构和训练配方。
Timestral 文档将 Timestral 1.0 列为公开预览，未标明 API 价格。
安装 Timestral 需从 GitHub 安装，要求 Python 3.10+ 和 torch 2.4+，该包不在 PyPI 上。
Mistral 将 Timestral 定位为本地部署、VPC 和空气隔离部署。
还有 3 条时间轴事件
全部知识事实 (13)
Mistral 称 Timestral 209M 版本在 GIFT-Eval/TIME/fev-bench 零样本预训练模型中排名第一。
50%待验证Timestral 模型是零样本的，用户无需在自己的数据上训练即可进行预测。
50%待验证Timestral 最大版本（209M 参数）在三个主要公开基准测试中排名第一。
50%待验证Timestral 推理时不需要 GPU。
50%待验证Timestral 权重以修改版 MIT 许可证发布，限制条款为：若公司上个月全球月收入超过 2000 万美元，则不被授权使用。
50%待验证Timestral 推理代码是 Apache 2.0 许可，权重则采用修改版 MIT 许可。
50%待验证Timestral 文档将 Timestral 1.0 列为公开预览，未标明 API 价格。
50%待验证安装 Timestral 需从 GitHub 安装，要求 Python 3.10+ 和 torch 2.4+，该包不在 PyPI 上。
50%待验证Mistral 将 Timestral 定位为本地部署、VPC 和空气隔离部署。
50%待验证Timestral 支持同时输入多个序列和协变量（过去已知或未来已知），缺失值以 NaN 形式传入。
50%待验证Mistral 称 Timestral 的结果来自单个检查点，没有集成，已提交至 GIFT-Eval 和 TIME 排行榜，且大部分训练数据是合成的。
50%待验证Mistral 推出首个时间序列基础模型家族 Timestral，含 5M、28M、123M、209M 四个规格，纯 CPU 运行，单次预测 10–140ms，支持 32768 步上下文。
50%待验证Mistral 发布了 Timestral，一个由四个时间序列基础模型组成的家族（5M、28M、123M、209M），共享同一架构和训练配方。
50%