2026.10.15 THU21:00 JSTMistral AI
Mistral、時系列基盤モデル Timestral 公開
今日試せるGitHub公開・Modified MIT
工場のセンサーや売上などの推移を、専用サーバーなしで高精度に予測できる新しいAI基盤。
- GPUなしで動く時系列基盤モデルがオープン公開された
- 5Mから209Mまで4サイズ展開し、CPUで高速動作する
- 多変量データや将来の予定情報を加味した確率予測に対応する
目線
センサー監視や需要予測のパイプラインに、高価なGPU環境を用意せずサーバーCPUのまま組み込める。
対象
時系列データ解析を行うエンジニアやインフラ監視基盤の開発者
使える場面
- 工場の複数センサー値の連動を捉えて故障リスクを確率的に検知する
- カレンダーなどの予定情報を入力に含めて需要や負荷の予測を行う
試すなら
公開されたGitHubリポジトリから自社データを用いて推論速度と精度を試す
確認点
商用や再配布にあたってはModified MITライセンスの条件確認が必要
背景
従来の時系列深層学習はデータごとに学習し直す必要があったが、大規模事前学習により未知のドメインでもそのまま予測できる基盤モデルとして開発された。
何が変わったか
- 5M、28M、123M、209Mの4サイズを提供し、最小モデルは8スレッドCPUで10msで推論
- 多変量予測に対応し、過去の変動要因だけでなく計画停止や天候など既知の未来情報も入力可能
- GIFT-Eval、TIME、fev-benchの各ベンチマークでトップの精度を記録
使える場面・影響
推論にGPUを必要としないため、既存のオンプレミス環境や軽量な監視サーバーにも低コストで導入しやすい。
試す前に確認
- ライセンスはModified MIT
- オンプレミスやエアギャップ環境でのファインチューニングにはMistral Forgeが対応
一次ソース
- Mistral AI Newsmistral.ai