【免费下载链接】Timestral-28M项目地址https://ai.gitcode.com/hf_mirrors/mistralai/Timestral-28M点击查看免费下载Timestral-28M 是 Mistral AI 发布的时序预测基础模型time series foundation model2800 万参数主打零样本预测zero-shot forecasting。它的官方成绩挂在三个名字上GIFT-Eval、TIME、fev-bench。这三个基准该叫什么、分数怎么看、28M 在家族里处于什么水平本文一次讲清楚。先解决称呼问题三个基准怎么读第一次看到这三个名字最直接的困惑就是怎么念。下面给出常见读法方便你和团队讨论时对齐基准名称常见读法中文近似音提供方GIFT-EvalGIFT Eval/ɡɪf ɪˈvæl/吉夫特-EvalSalesforceGiftEval 排行榜TIME按英文单词 TIME 读/taɪm/泰姆Real-TSF 社区TIME 排行榜fev-bench逐字母 F-E-V bench或整体读 /fev ˈbentʃ/F-E-V-bench / 费夫-本奇AutoGluonfev-bench 排行榜几个小提醒GIFT-Eval里的 GIFT 就是英文单词礼物不用拆成字母读Eval 是 Evaluation评估的缩写。TIME是一个完整的英文单词按词读最自然不建议逐字母念 T-I-M-E。fev-bench没有约定俗成的读法逐字母念或整体念费夫-bench都可以重点是大家都指同一个东西。看懂指标MASE、CRPS 和 Skill Score 是什么在看分数之前先弄清三个指标这是读懂 README.md 中基准成绩的前提MASEMean Absolute Scaled Error平均绝对缩放误差衡量点预测准不准越低越好↓。它把误差相对于最傻的预测比如用上一个值预测做了归一化跨数据集可比。CRPSContinuous Ranked Probability Score连续排序概率评分衡量概率预测的质量——模型不只是给一个点而是输出 21 个分位数0.01 到 0.99CRPS 越低说明预测分布越可靠↓。Skill Score技能分模型相对基线的相对提升越高越好↑出现在 fev-bench 的 SQL skill score 和 MASE skill score 中。记住箭头方向↓ 越低越好↑ 越高越好这是三个榜单最大的阅读差异点。Timestral-28M 的基准成绩单28M 版本在三大榜单上的成绩如下数据来自 README.md 的 model-index 与结果表基准指标Timestral-28M方向GIFT-EvalMASE0.678↓ 越低越好GIFT-EvalCRPS0.461↓ 越低越好TIMEMASE0.638↓ 越低越好TIMECRPS0.534↓ 越低越好fev-benchSQL skill score48.42↑ 越高越好fev-benchMASE skill score37.27↑ 越高越好一句话解读在 GIFT-Eval 和 TIME 上MASE 都在 0.6 几的水平即误差只有朴素基线的约 64%~68%CRPS 也在 0.46~0.53 之间在 fev-bench 上相对基线的技能分约为 37~48 分。三项成绩均达到各自模型规模档位下的第一梯队。家族对比28M 在 Timestral 中的位置Timestral 家族有 5M、28M、123M、209M 四个参数版本小模型是体积 vs 精度的权衡。完整成绩如下基准指标5M28M123M209MGIFT-EvalMASE ↓0.7050.6780.6590.658GIFT-EvalCRPS ↓0.4790.4610.4480.446TIMEMASE ↓0.6520.6380.6280.626TIMECRPS ↓0.5450.5340.5250.522fev-benchSQL skill score ↑46.1948.4250.1850.39fev-benchMASE skill score ↑34.5437.2739.1939.49可以看到清晰的规律参数越大分数越好但边际收益递减——209M 相对 28M 的提升只有 1%~6% 左右。也就是说28M 用约 1/7 的参数量拿到了旗舰版绝大部分的预测能力这正是轻量模型高性价比的典型例子。Timestral-28M 模型速览适合部署在 CPU 或 GPU 上、对推理资源敏感的场景。核心规格参数量28M纯 PyTorch 推理CPU 可跑架构基于 patch 的 Transformer12 个注意力层交替使用时间注意力time attention与时间变量注意力time_variate attentionPatching每 32 个时间步切一个 patch缺失值用 NaN 标记并附带指示位上下文长度最长 32,768 个时间步单次前向最多预测 1,024 个时间步更长 horizon 分块滚动输出21 个分位数0.01、0.05 … 0.95、0.99的完整概率预测输入单变量/多变量目标序列 过去协变量 已知未来协变量支持数值型与类别型类别协变量做 target 编码结构超参数可以直接查看 config.json如patch_size: 32、d_model: 384、context_length: 32768、12 段block_schedule与 21 个quantile_knots。如何获取与使用git clone https://gitcode.com/hf_mirrors/mistralai/Timestral-28M权重文件为 model.safetensors。注意许可证是Modified MIT见 LICENSE核心限制是企业全球合并月收入超过 2,000 万美元的公司不能直接行使许可权利商用需联系 Mistral AI 申请商业授权。文件资料索引文件说明README.md模型详情、基准成绩、家族对比表config.json模型结构与超参数配置model.safetensors28M 模型权重文件LICENSEModified MIT 许可证总结GIFT-Eval 读吉夫特-Eval、TIME 读泰姆、fev-bench 读F-E-V-bench看分数的关键是分清 ↓MASE、CRPS 越低越好和 ↑skill score 越高越好。如果你的场景是中小规模数据、CPU 或轻量 GPU 部署28M 版本是 Timestral 家族里性价比最高的选择。赞分享【免费下载链接】Timestral-28M项目地址https://ai.gitcode.com/hf_mirrors/mistralai/Timestral-28M点击查看免费下载相关推荐Chronos性能基准测试在fev-bench和GIFT-Eval上的表现分析Chronos性能基准测试在fev bench和GIFT Eval上的表现分析 Chronos时间序列预测模型在业界标准基准测试中展现出了卓越的性能表现特别人工智能基础模型预训练微调Awesome Claude Code 完整指南把 Claude Code 精选资源装进一条 make 命令Awesome Claude Code 完整指南把 Claude Code 精选资源装进一条 make 命令 如果你用过 Claude Code多半经历过这Iris-3B基准报告GenEval、DPG-Bench与LongText-Bench成绩深度解读Iris 3B基准报告GenEval、DPG Bench与LongText Bench成绩深度解读 开源像素空间文生图模型 Iris 3B 在文生图基准测试中人工智能大模型基础模型媒体生成计算机视觉上一篇PT-Plugin-Plus浏览器插件如何重塑PT种子下载工作流下一篇高效高斯溅射渲染终极指南gsplat完整配置与性能优化创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考