Mistral تنشر Timestral: أربعة نماذج مفتوحة للتنبؤ بالسلاسل الزمنية تعمل على CPU

أعلنت Mistral في 15 أكتوبر 2026 عائلة Timestral، وهي أربعة نماذج للتنبؤ بالسلاسل الزمنية، أي توقع القيم القادمة لرقم يتغير مع الوقت. وأحجامها 5 ملايين و28 مليونًا و123 مليونًا و209 ملايين parameter، ونُشرت أوزانها على Hugging Face في 14 أكتوبر. ويقول الإعلان إنها تعمل بكفاءة على CPU عادي، دون حاجة إلى GPU.

والترخيص المكتوب في بطاقة النموذج هو “Modified MIT”، وليس MIT المعتاد، فشروط الاستخدام التجاري تحتاج إلى قراءة نص الترخيص نفسه.

والفكرة التي تقوم عليها النماذج هي التنبؤ دون تدريب، أو ما يسمى zero-shot. فالطريقة المعتادة تدرّب نموذجًا على سلسلة واحدة بعينها، فلا ينتقل ما تعلمه إلى غيرها. أما هذه النماذج فدُرّبت مسبقًا على بيانات كثيرة ومتنوعة، فتستطيع التنبؤ على بيانات لم ترها من قبل.

وتنشر بطاقة النموذج نتائجه: على GIFT-Eval بلغ MASE نحو 0.658 وCRPS نحو 0.446، وعلى TIME بلغ MASE نحو 0.626 وCRPS نحو 0.522. ويقول الإعلان إنه الأول على ثلاث لوحات قياس هي GIFT-Eval وTIME وfev-bench، لكن بين النماذج المدرّبة مسبقًا التي تعمل دون تدريب إضافي فقط، وبثلثي عدد معاملات النموذج الذي كان يتصدرها.

وما يتغير للفرق الصغيرة في المنطقة ليس الدقة بالضرورة، بل إمكانية الوصول. فالمنتج الناشئ لا يملك عادة خمس سنوات من البيانات النظيفة عن استهلاك عملائه، بل بضعة أشهر لم تكن تكفي لبناء نموذج تنبؤ خاص. ويصبح توقع استهلاك الشهر القادم أو ضغط الخوادم في المواسم أو معدل الإلغاء ممكنًا بنموذج يعمل على جهاز عادي، دون فريق data ودون فاتورة inference.