> ## Content Index
> Fetch the complete content index at: https://globalfeed.ai/llms.txt
> Use this file to discover other available public pages before exploring further.

# Mistral 发布可在 CPU 上运行的开放时间序列模型 Timestral
- URL: https://globalfeed.ai/zh/mistral-fa-bu-ke-zai-cpu-shang-yun-xing-de-kai-fang-shi-jian-xu-lie-mo-xing-timestral/
- Published: 2026-10-17T18:37:34.000Z
- Updated: 2026-10-17T18:37:34.000Z
- Description: Mistral 以开放模型形式发布了首个时间序列基础模型系列 Timestral。四个模型参数量从 500 万到 2.09 亿不等，无需 GPU 即可进行概率性、多变量预测。
- Author: GlobalFeed Editor
- Tags: Mistral, Timestral, 时间序列, 开放模型, x-MistralAI, dil-zh, elle

Mistral 于 2026 年 10 月 15 日发布首个时间序列基础模型系列 [Timestral](https://mistral.ai/news/timestral/?ref=globalfeed.ai)。这些模型根据传感器、销售或能耗的历史数据预测未来走势，以可在自有服务器上运行的开放模型形式提供。代码发布在 [GitHub](https://github.com/mistralai/timestral?ref=globalfeed.ai)，模型发布在 Hugging Face。

## 四种规模，无需 GPU

该系列包括 500 万、2800 万、1.23 亿和 2.09 亿参数的四个模型。据 Mistral 介绍，Timestral 推理时不需要 GPU：在 8 线程服务器 CPU 上，最小模型预测未来一天只需 10 毫秒，最大模型需 140 毫秒。这让它更容易部署在工厂电脑或与互联网隔离的网络中。

## 给出区间而非单一数值

Timestral 不只输出一个数字，而是给出 21 个分位数的概率预测，在最可能值之外同时展示乐观和悲观情景。它可以同时预测多条序列，并利用影响预测的额外信息：仅在过去已知的数值、事先已知的未来数值（如节假日或计划中的促销）以及类别信息。上下文长度为 32,768 个时间步。Mistral 列举的用途包括传感器遥测、设备漂移、维护和备件规划、金融交易量以及供应链，并展示了由 Timestral 发现异常、再由智能体开展根因分析的工作流。

## 许可与部署

模型采用“Modified MIT”许可证。企业可通过 Mistral Forge 在本地、私有云或隔离环境中部署，并用自有数据进行微调。

Mistral 表示，Timestral 在 GIFT-Eval、TIME 和 fev-bench 的全部五项指标上位列预训练零样本模型第一，2800 万参数的模型超过了规模约为其四倍的 Chronos-2。完整技术报告尚未发布，目前的结果依据是 Mistral 公布的图表。建议在自己的历史数据上与现有预测方法并行测试，并关注独立研究人员的对比结果。