Mistral ha lanzado Timestral, su primera familia de modelos para predecir series temporales: ventas por semana, consumo eléctrico, lecturas de sensores, flujos de caja. El más grande tiene 209 millones de parámetros, funciona sin GPU y, según el anuncio oficial de Mistral del 15 de octubre, queda primero en los tres benchmarks públicos de referencia del sector.
Para hacerse una idea del tamaño: Mistral Large 4, el modelo de lenguaje que la empresa presentó el 6 de octubre, tiene 1,05 billones de parámetros. Timestral es unas 5.000 veces más pequeño. Y para una empresa que planifica stock, turnos o compras de energía, puede ser bastante más útil.
Puntos clave de Timestral
- Cuatro tamaños: 5, 28, 123 y 209 millones de parámetros. Los pesos van de 21 MB a 837 MB y están en Hugging Face.
- Resultados: el de 209 millones es el número 1 entre los modelos preentrenados en GIFT-Eval, TIME y fev-bench, con dos tercios de los parámetros del anterior líder.
- Velocidad en CPU: en un servidor normal con 8 hilos, predecir el día siguiente a partir de tres semanas de datos cada 15 minutos tarda 10 milisegundos con el modelo pequeño y 140 con el grande.
- Licencia y despliegue: pesos con licencia MIT modificada, código de inferencia en Apache 2.0. Se puede instalar en tus servidores, en tu nube privada o en un entorno aislado de internet.
Qué es un modelo fundacional de series temporales
Una serie temporal es cualquier dato que se mide en el tiempo. La mayoría de empresas la predice con herramientas de hace décadas: ARIMA o regresión lineal, ajustadas a una sola serie y que solo aprenden de su propio histórico. Si tienes 400 referencias de producto, son 400 modelos separados.
El deep learning (modelos como PatchTST) añadió la capacidad de aprender patrones no lineales entre muchas series. Pero se entrena de cero con cada conjunto de datos, así que lo que aprende en energía no sirve en retail.
Un modelo fundacional hace con las series lo que GPT hizo con el texto: se preentrena con un corpus enorme y variado y luego predice sobre datos que no ha visto nunca. Eso se llama zero-shot, y es lo que permite usarlo sin entrenar nada, incluso con poco histórico.
Timestral añade tres cosas que importan en producción:
- Es probabilístico. En vez de un número, da 21 cuantiles: la mediana y el rango probable. Puedes planificar con el escenario del percentil 90 en lugar de con una cifra que finge certeza.
- Es multivariable. La vibración, la temperatura y la presión de una bomba se mueven juntas. Timestral las predice a la vez y usa esa relación.
- Acepta covariables. Datos que explican la serie sin ser la serie: el día de la semana, si la máquina está parada o en marcha, un calendario de festivos, el plan de producción o la previsión meteorológica. Las que conoces de antemano (las rebajas de enero) dejan de parecer una anomalía.
Contra quién compite
El titular que más se ha movido, el de MarkTechPost, es que Timestral supera a TimesFM-3, el modelo de series temporales de Google. Los datos de Mistral:
- El de 209 millones supera a TimesFM-3 y a Falcon-2.0 con menos parámetros.
- El de 28 millones gana a Chronos-2, el modelo de Amazon, en GIFT-Eval y TIME, siendo unas cuatro veces más pequeño.
- El de 123 millones se queda a un 0,2% del grande con tres cuartas partes de su latencia. El de 28 millones es cinco veces más rápido que el grande.
En GIFT-Eval compite con 83 modelos comparables, en TIME con 35 y en fev-bench con 37. Mistral dice que cada tamaño está en la frontera de Pareto: a su tamaño, ningún modelo público predice mejor.
Un matiz honesto. Son resultados que publica Mistral sobre su propio modelo, enviados a las clasificaciones públicas pero con el informe técnico completo todavía pendiente. La comunidad tendrá que replicarlos.
Cómo está hecho
Mistral ha entrenado Timestral sobre todo con datos sintéticos. Primero generó series simples con tendencias, estacionalidad y ruido de distintos tipos, y luego las combinó con dependencias no lineales para fabricar series multivariables. Después vino un segundo entrenamiento con datos reales y sintéticos y un contexto cuatro veces más largo, hasta 32.768 pasos de histórico.
La pieza técnica principal tiene nombre propio, Decoupled Horizon Forecasting. En otros modelos los valores a predecir se tapan durante el entrenamiento y parecen datos que faltan. Mistral los separa: el histórico completo sigue visible y unos tokens específicos de previsión leen lo anterior. Cada dato observado sirve a la vez de objetivo y de contexto, y los huecos reales siguen marcados como huecos.
De la previsión al agente
Mistral lo vende como pieza de un sistema más grande, con un ejemplo industrial. Timestral vigila en continuo los sensores de una planta y detecta una anomalía en una bomba. Un agente compara esas señales con fallos parecidos del pasado. Otros subagentes buscan la causa en el historial de mantenimiento, los partes de turno, los manuales y las órdenes de trabajo. El jefe de planta recibe un diagnóstico con pruebas y un plan, no una alarma.
Para ajustar el modelo a tus datos, Mistral ofrece Mistral Forge, la misma plataforma que usa para entrenar sus modelos de lenguaje. Permite ajuste fino con datos propios, añadir covariables del sector y controlar la mezcla de entrenamiento. Todo se puede desplegar en el hardware del cliente.
¿Timestral es gratis?
Los pesos se descargan gratis en Hugging Face y el código para usarlos también. La licencia de los pesos es una MIT modificada, y el anuncio no detalla qué cambia respecto a la MIT estándar: léela antes de meterlo en un producto. El ajuste fino con Mistral Forge es otra historia y el anuncio no da precio.
Cómo probar Timestral
Según el repositorio oficial en GitHub:
1. Necesitas Python 3.10 o superior y PyTorch 2.4 o superior. No hace falta GPU. 2. Instala el paquete con `pip install git+https://github.com/mistralai/timestral.git`. 3. Carga un modelo con `TimestralForecaster.from_pretrained("mistralai/Timestral-28M")`. La primera vez descarga los pesos: 111 MB el de 28 millones, 837 MB el de 209. 4. Pásale tu histórico como array con forma (series, variables, tiempo). Los datos que falten van como NaN. 5. Llama a `forecast(context, prediction_length=96)` y lee `forecast.median` o `forecast.quantile(0.9)` para el escenario alto.
Por qué importa
La previsión es de los usos de IA con retorno más fácil de medir en una empresa: stock que no se queda parado, roturas que no pasan, energía comprada a mejor precio. Y casi todas las pymes españolas siguen haciéndola con una media móvil en Excel.
Timestral cambia el coste de entrada. Corre en un portátil, no saca los datos de casa y da un rango en vez de un número. Antes de fiarte, haz lo de siempre: prueba con tus últimos 12 meses ocultos y compara su error con el de tu método actual. Si gana en tus datos, tienes un modelo europeo, abierto y sin GPU para planificar compras, inventario o tesorería.
Fuente original: mistral.ai
Relacionado
