作者实测 Timestral 等预训练预测模型所需数据量

作者 drphilwinder 于 2026 年 10 月用 300 个零售商品和英国电网需求，实测 Mistral 的 Timestral、Chronos-2、TimesFM 等预训练时间序列模型。结果显示，在零售数据上，Timestral 的误差比 Excel 的 FORECAST.ETS 低 14%、比 LightGBM 低 3%。 作者称，Timestral 权重可免费使用，但公司全球合并月收入超过 2000 万美元时（含微调版本）需向 Mistral 购买商业许可；TimesFM-3 的可下载权重和 Salesforce 的 Moirai 2.0 为非商业许可，TimesFM-3 可通过 Google Cloud 用于生产。截至 2026 年 10 月 20 日，微调仅能通过 Mistral Forge 进行，且没有 PyPI 包。 测试代码、全部预测结果和结论以 MIT 许可发布在 winderai/demand-forecasting-benchmark。

AI 根据报道生成 · 2 天前更新