整理：TopAIMap 编辑
Mistral 发布 Timestral：首个时间序列基础模型家族（5M–209M），三榜零样本第一，CPU 可跑
10 月 15 日，Mistral 发布首个时间序列基础模型家族 Timestral，共 4 档参数：5M、28M、123M、209M。官方称最大档 209M 在 GIFT-Eval、TIME、fev-bench 三大公开预测榜的预训练/零样本可比条目中均排第一，参数量仅约此前 SOTA 的三分之二；支持多变量概率预测（21 个分位数）、仅过去/已知未来协变量与最长约 32,768 步上下文。权重上线 Hugging Face（Modified MIT），推理代码开源在 GitHub mistralai/timestral，可 CPU 推理。
官方博客与模型卡要点：四档同架构同配方，各尺寸均处「精度—规模」Pareto 前沿；28M 在 GIFT-Eval/TIME 上可压过约 4 倍大的 Chronos-2，209M 以更少参数领先 TimesFM-3、Falcon-2.0。标准 8 线程服务器 CPU 上，用 3 周 15 分钟粒度历史预测未来一天：5M 约 10ms、209M 约 140ms。训练以合成数据为主，再混合真实数据做后训练；技术细节（解耦视界预测 DHF、协变量感知注意力等）将随技术报告放出。HF 仓库含 mistralai/Timestral-5M/28M/123M/209M；文档模型 id 为 timestral-1-0 及分档变体。
谁能用：开放权重——Hugging Face 免费下载（Modified MIT：上月全球合并月营收不超过 2000 万美元的主体可自由使用/修改/分发权重；超限需向 Mistral 申请商用许可或走 mistral.ai 托管）。推理代码 Apache-2.0（github.com/mistralai/timestral），pip 可装，CPU/GPU 均可，无消费级 GPU 门槛。托管/微调：Mistral Docs 标 Public Preview；企业可用 Mistral Forge 做域内微调、架构扩展与气隙部署。无单独的「App/Search/Antigravity」消费通道；面向工业传感、能源、供应链、金融等数值时序场景。
解读：这是 Mistral 首次跳出 LLM 主线、用「小而专」的 TSFM 切入企业最常见的数值数据——工业与金融更在意 CPU 延迟、协变量与分位数风险，而不是参数量吹牛。开源权重 + 营收门槛许可，会加速中小团队落地，但大厂仍可能被推回 Forge/托管。讨论：1. 你会把 Timestral 嵌进现有监控告警流水线，还是等技术报告与更多域内复现再动？2. 「月营收 <$2000 万可商用」对开源时序生态是松绑还是又一道门槛？
