Ugrás a tartalomra
Neural Daily

ModellekHír

Mistral Timestral: idősor-előrejelző modell CPU-ra

A Mistral kiadta a Timestralt, az első idősoros alapmodell-családját. A legnagyobb változat 209 millió paraméteres. A cég szerint mindhárom fő nyilvános benchmarkon az első helyen áll. Inferenciához nem kell GPU.

Írta: Mikola Máté Patrik · · 2 perc olvasás

Mistral AI Timestral cover image: pixelated orange and blue hourglass on a dark background
Kép: Mistral AI · Sajtókép · Official article image · Forrás

Mit adott ki a Mistral?

A Timestral négy méretben érhető el: 5, 28, 123 és 209 millió paraméterrel. Valószínűségi, többváltozós előrejelzést ad, emellett kezeli a csak múltbeli, illetve az előre ismert jövőbeli kovariánsokat is, például egy gyártási ütemtervet vagy egy időjárás-előrejelzést (Mistral). A kontextushossz 32 768 időlépés, a kimenet 21 kvantilis. A licenc módosított MIT.

Mistral AI diagram: Timestral model overview with patch embedding, transformer backbone and quantile head
Mistral AI · Sajtókép · Vendor diagram from the launch post · Forrás

Forrás: Mistral AI. A Timestral felépítése: patch embedding, transformer gerinc időbeli és változók közötti attentionnel, majd kvantilisfej.

Mit mutatnak a benchmarkok?

A Mistral szerint a 209M-es modell a GIFT-Eval, a TIME és a fev-bench mind az öt mutatóján első az előtanított, zero-shot modellek között, egyetlen checkpointtal, ensemble nélkül. A 28M-es modell a GIFT-Evalon és a TIME-on megveri a nagyjából négyszer nagyobb Chronos-2-t, a 209M-es pedig kevesebb paraméterrel a TimesFM-3-at és a Falcon-2.0-t. Az eredményeket beküldték a GIFT-Eval és a TIME ranglistájára. A teljes technikai riport még nem jelent meg.

Miért jó, hogy CPU-n fut?

Egy 8 szálas szerver-CPU-n egynapos előrejelzés három hét 15 perces adatából 10 ms az 5M-es és 140 ms a 209M-es modellel. A 28M-es ötször gyorsabb a legnagyobbnál, a 123M-es pedig 0,2 százalékon belül van a 209M-es pontszámától, háromnegyed akkora késleltetéssel. Ez azt jelenti, hogy egy monitoring pipeline-ba vagy edge-közeli környezetbe is betehető GPU-flotta nélkül.

Hol használható?

A Mistral példája egy gyár szenzoradatai: egy szivattyú rezgése, hőmérséklete és nyomása együtt mozog, a modell ezeket közösen kezeli. A kvantilisek miatt látszik a bizonytalanság is, így a riasztási küszöb a kockázathoz igazítható. Pénzügyben, energiában és kapacitástervezésben ugyanez a logika. A Mistral szerint a modell párosítható a nyelvi modelljeivel is agentes munkafolyamatokban, például anomália után automatikus hibaok-elemzéshez.

Hogyan lehet kipróbálni?

Van GitHub-repó a saját adatokon való futtatáshoz (GitHub). Finomhangolás a Mistral Forge-on keresztül érhető el, amely on-prem, VPC és air-gapped telepítést is támogat. Ha idősoros előrejelzéssel dolgoztok, érdemes a saját backtestjeiteken összemérni a meglévő ARIMA- vagy Chronos-alapú megoldással.

    MI segítségével készült, szerkesztő ellenőrizte. Hogyan készülnek a cikkeink

    Szerkesztőségünk ellenőrizte és szerkesztette. Rólunk

    Kapcsolódó cikkek