Содержание
TimesFM‑3 научилась учитывать связи между рядами и известные будущие события
Google Research представила TimesFM‑3 — новую версию модели для прогнозирования временных рядов. В отличие от TimesFM‑2.5, она изначально обучена работать не только с одним показателем, но и с несколькими взаимосвязанными рядами без дообучения под конкретную задачу.
Модель содержит около 330 млн параметров и обучалась на корпусе объёмом более триллиона временных точек. Она может одновременно прогнозировать несколько целевых показателей, учитывать признаки, доступные только в прошлом, а также заранее известные будущие факторы — например, календарь акций, праздники или прогноз погоды.
Что изменилось в архитектуре
TimesFM‑3 чередует причинное внимание по времени и полное внимание между переменными. Первый механизм не позволяет модели заглядывать в неизвестное будущее целевого ряда, второй помогает находить зависимости между разными показателями в один и тот же момент времени.
Вместо пошаговой авторегрессии модель заполняет весь горизонт прогноза за один прямой проход. На каждом шаге она выдаёт точечный прогноз и девять квантилей от 10-го до 90-го процентиля, чтобы показать диапазон неопределённости.
Результаты и ограничения
По оценке Google, TimesFM‑3 заняла первое место среди предобученных foundation-моделей на трёх публичных наборах тестов: GIFT‑Eval, FEV‑Bench и TIME. Это результаты авторов модели; качество на конкретных корпоративных данных всё равно требует отдельной проверки, особенно при редких событиях и смене режима ряда.
Главное лицензионное ограничение: исходный код опубликован под Apache‑2.0, но новые веса TimesFM‑3 распространяются по отдельной лицензии TimesFM Non‑Commercial License v1.0. Их нельзя использовать в коммерческих или production-сценариях. Открытая версия также не является официально поддерживаемым продуктом Google.
Где попробовать
Публичный чекпоинт доступен на Hugging Face, а код, установка и примеры для одномерного и многомерного прогноза — в официальном репозитории Google Research. Чекпоинт не закрыт заявкой на доступ, но его объём составляет около 1,32 ГБ, а официальный пример запуска использует CUDA. Интеграцию TimesFM‑3 с BigQuery Google обещает добавить в ближайшие недели; сейчас она ещё недоступна.
Как попробовать TimesFM‑3
Проверьте условия лицензии
Используйте веса TimesFM‑3 только для некоммерческих экспериментов вне production; коммерческое применение текущая лицензия запрещает.Подготовьте окружение
Установите официальный пакет TimesFM с поддержкой PyTorch по инструкции репозитория Google Research и подготовьте совместимое CUDA-окружение.Подключите чекпоинт
Укажите публичный идентификатор google/timesfm-3.0-pytorch: библиотека загрузит конфигурацию и веса с Hugging Face.Соберите входные ряды
Передайте целевые ряды и при необходимости исторические или заранее известные будущие признаки, затем задайте длину горизонта прогноза.Сравните с базовым методом
Проверьте точечный прогноз и квантильные интервалы на отложенном периоде своих данных перед любыми выводами о качестве.Что известно о TimesFM‑3
Чем TimesFM‑3 отличается от TimesFM‑2.5?
Новая версия нативно поддерживает многомерные ряды, прошлые признаки и заранее известные будущие факторы, а горизонт прогноза формирует за один проход.
Можно ли использовать TimesFM‑3 в коммерческом продукте?
Нет. Текущая лицензия весов разрешает только некоммерческое и непродакшен-использование.
Модель уже доступна публично?
Да. Чекпоинт размещён без ограничения доступа на Hugging Face, а код и примеры опубликованы в репозитории Google Research.
TimesFM‑3 уже работает в BigQuery?
Нет. Google сообщает, что интеграция TimesFM‑3 появится в BigQuery в ближайшие недели.