# Mistral 推出 Timestral 時間序列預測模型，5M 到 209M 參數，用 CPU 就能跑

> 地端世界 · https://onpremworld.com/zh-tw/news/2026-10-mistral-timestral · CC BY 4.0

發布日期：2026-10-15 · 模型

Mistral 在 10 月 15 日推出第一個時間序列基礎模型家族 Timestral，共有 5M、28M、123M 與 209M 四種大小，採修改版 MIT 授權，權重放在 Hugging Face。模型能輸出機率式、多變量的預測，並可加入只有過去值或事先已知未來值的共變數，包括機器狀態這類類別型資料。Mistral 表示，209M 版本在 GIFT-Eval、TIME 與 fev-bench 三個基準上，於零樣本模型中排名第一。它不需要 GPU：依 Mistral 的數據，在 8 執行緒的伺服器 CPU 上，用三週、每 15 分鐘一筆的資料預測隔天，5M 版本只要 10 毫秒，209M 版本 140 毫秒。

## 對地端使用者的意義

感測器、銷售或容量資料的預測，現在用公司既有的伺服器就能跑，不需要顯示卡，資料也不必離開公司。

## 市場怎麼看

Mistral 從聊天模型跨進企業資料中的「數字」領域，這裡已有 TimesFM、Chronos 與 Falcon 等模型在競爭；Mistral 表示自家 209M 模型以更少參數贏過 TimesFM-3 和 Falcon-2.0。模型用 CPU 就能跑，也能在地端或離線環境部署，對無法把營運資料送上雲端的工廠與財務團隊應該頗有吸引力。

## 白話版

Timestral 會看一串歷史數字，例如機器每 15 分鐘的溫度，然後預測接下來的走勢，以及有多大把握。就像幫你自己的資料做天氣預報，而且小到一般辦公室伺服器就能跑。

## 業內觀點

可以先試 123M 版本，Mistral 表示它的分數與 209M 只差 0.2%，延遲只有四分之三；若更在意速度，就用 28M。上線前請先看模型卡上修改版 MIT 授權的條款，並在自己的資料上，把零樣本結果和現有的 ARIMA 或 PatchTST 基準比一比再換；微調則透過 Mistral Forge 提供。

## 來源

[Introducing Timestral (Mistral AI)](https://mistral.ai/news/timestral)

[所有新聞](https://onpremworld.com/zh-tw/news.md)

摘要由地端世界依官方來源撰寫，附上原文連結，不轉載原文。