TimesFM-3 прогнозирует множество серий одновременно — но его стандартные веса некоммерческие

Проверено 29 октября 2026 года: Было рассмотрено официальное документационное руководство и существующий эталонный пакет. Для этого обновления не выполнялось ни одной инференции модели или запроса в BigQuery.

Стандартные веса TimesFM-3 не лицензированы для коммерческого или промышленного использования. Репозиторий Google Research отделяет код под лицензией Apache-2.0 от timesfm-non-commercial-license-v1.0 на предварительно обученных весах v3 и указывается, что коммерческое или производственное использование этих стандартных весов не разрешено.[1] Это ограничение идет до любого обсуждения точности: технически привлекательная контрольная точка не является одобренным вариантом развертывания.

Точный выпуск: google/timesfm-3.0-pytorch, a 330 миллионов-параметрическая контрольная точка PyTorch для прогнозирования временных рядов.[2] Google представила ее 31 августа 2026 года как модель zero-shot, которая может совместно прогнозировать несколько целей и принимать только прошлые данные, а также известные будущие ковариаты.[3] Тег выпуска: v3.0.0 на коммите 331c6d33cb1ac2611de3056d0ac7164aab6301eb.[4]

Доступ и лицензионное ограничение

Hugging Face маркирует контрольную точку для прогнозирования временных рядов и указывает Лицензию TimesFM Non-Commercial v1.0.[2] На проверке 29 октября на её карточке по-прежнему говорилось, что ни один Inference Provider не развернул эту модель. Этот список поставщиков касается данной загружаемой контрольной точки; он не описывает все сервисы, размещённые в Google.[2]

Не сводите эти факты к «весам Apache-2.0». Код репозитория имеет лицензию Apache-2.0, в то время как предобученные веса v3 имеют отдельные ограничения.[1] В анонсе запуска было указано, что интеграция с BigQuery будет доступна в ближайшее время.[3] Текущая документация BigQuery теперь перечисляет учебные материалы по многомерному прогнозированию в Предпросмотр и прямо указывает, что использование TimesFM внутри BigQuery разрешено для коммерческого использования в рамках условий Google Cloud. Лицензия на загружаемые веса v3 не ограничивает такое размещённое использование.[5]

Что утверждает Google — и что измерил Mantis

Заявления Google о бенчмарке

Google утверждает, что TimesFM-3 занял первое место среди предобученных базовых моделей в GIFT-Eval, FEV-Bench и TIME в их собственной системе оценки, и что многомерный режим улучшает средний рейтинг при наличии перекрестной информации между сериями и ковариат.[3]

Это заявления поставщика, а не результат Mantis. Они не подтверждают точность для конкретного ритейлера, телеметрической системы или процесса планирования.

Доказательства Mantis

Исправленный Пакет бенчмарка TimesFM-3 определяет три набора данных UCI с лицензией CC BY 4.0, хронологически отведённые горизонты, сезонную наивную базовую линию, MAE, SMAPE, время исполнения, максимальное потребление памяти, пути необработанных прогнозов и «ворота MAE» с требованием как минимум 2 из 3. Он остаётся неизмеренный. Его запись о состоянии на 1 сентября описывает рабочий компьютер без NVIDIA GPU, только с 7,5 ГиБ ОЗУ и без утверждённого альтернативного акселератора; это исторические ограничения запуска, а не новые замеры оборудования. Не было загружено ни одной контрольной точки и не были созданы никакие прогнозы, метрики, графики или результаты производительности.[6]

Пакет без результатов измерений не означает провала и не доказывает, что TimesFM-3 уступает сезонному наивному прогнозу. Это воспроизводимый протокол плюс задокументированное аппаратное ограничение.

Оценка, которая остается

Протокол преобразует данные из открытых источников в три различных сценария прогнозирования: многомерный спрос, аналогичный розничному, от Online Retail; поминутная телеметрия трафика в стиле мониторинга от Metro Interstate Traffic Volume; и Bike Sharing, с casual и registered аренда учитывается как цели, а колонки календаря/погоды — как заявленные ковариаты.[6] Наблюдения за погодой требуют проверки доступности ниже, прежде чем их можно будет рассматривать как известные будущие данные. Каждый источник имеет лицензию CC BY 4.0 и находится вне этого репозитория; пакет фиксирует атрибуцию, URL-адреса для загрузки, преобразования и замороженные правила разбиения.[6]

Для каждого набора данных исполнитель должен использовать один и тот же контекст и отложенный горизонт для TimesFM-3 и сезонного наивного прогноза. Необходимо сохранять исходные прогнозы и фактические значения, вычислять MAE и SMAPE, фиксировать время работы и пик RSS, а также отклонять недействительные значения. Порог прохождения специально узкий: TimesFM-3 должен превзойти сезонный наивный прогноз по MAE как минимум в двух из трёх отложенных наборов данных. Смешанный или отрицательный результат всё равно остаётся публикуемым доказательством.

Если у вас есть подходящее утверждённое оборудование, используйте закреплённую v3.0.0 ревизию кода и контрольную точку, выполняйте только протокол с публичными данными в условиях некоммерческой оценки и сохраняйте сбои. Не переносите рейтинг производителя в производственную рекомендацию и не конвертируйте лицензию кода Apache-2.0 в разрешение использовать веса по умолчанию версии v3 в коммерческих целях.

Выберите маршрут доступа перед тем, как просить агента что-либо выполнить

Маршрут	Что устанавливают проверенные источники	Далее проверьте
Загружено google/timesfm-3.0-pytorch	Отдельная лицензия для некоммерческого, непроизводственного использования	Прочтите фактическую лицензию в сравнении с предполагаемым использованием, включая то, как будут использоваться результаты.
TimesFM в BigQuery	Коммерческое использование в соответствии с условиями Google Cloud; многовариантные уроки помечены как Предварительный просмотр	Ознакомьтесь с условиями Предварительного просмотра выбранной функции, разрешениями, местоположением данных и текущими расходами.

Лицензия веса определяет разрешённую оценку более строго, чем «внутренний эксперимент»: её определение некоммерческого использования исключает результаты, используемые в коммерческих решениях, материалах для клиентов или платных услугах.[7] Не следует считать, что собственный прототип для клиента разрешён просто потому, что он небольшой.

Для BigQuery начните с Google урока по многовариантному анализу одной серии. Рассматривайте это как оценку отдельного сервиса, а не как воспроизведение закрепленного локального эталона. Записывайте запрос и параметры сервиса, снимок входной таблицы, удержанные отметки времени, идентификатор задачи и фактическое выставление счетов. В этой статье не приведен ни протестированный запрос, ни оценка цены.

Проводите аудит будущих входных данных перед измерением точности

Google различает ковариаты только прошлого и входные данные, доступные как в истории, так и в прогнозном горизонте.[3] Наша рекомендация по оценке заключается в том, чтобы записывать когда каждое значение стало доступным, вместо того чтобы предполагать, что каждый столбец в историческом CSV был известен на момент предсказания.

Тип столбца	Обработка на момент прогноза
Будний день календаря или опубликированный праздник	Может быть известен заранее до горизонта.
Историческое движение или наблюдаемая погода	Используйте только наблюдения, доступные на момент прекращения прогноза.
Прогноз погоды на будущее	Используйте прогноз, выпущенный на момент прекращения, сохраняя время его выпуска.
Погода, фактически наблюдаемая в удерживаемый период	Не представляйте это как оперативно доступные данные о будущем.
Будущее casual или registered аренда	Сохраняйте как удерживаемые цели, никогда не используйте как входные признаки.

Существующий пакет Bike Sharing требует этой квалификации. Он заморожен pastFutureCovariateColumns включает weathersit, temp, atemp, hum, и windspeed. UCI описывает набор данных как количество аренд с соответствующей информацией о погоде, а не как архив прогнозов, выпущенных до каждого крайнего срока.[8] Запуск с использованием этих отложенных наблюдений за погодой будет зависеть от знания будущей погоды. Это не установит точность прогнозирования в реальном мире, используя только информацию, доступную на тот момент.

Учитывайте это ограничение при любом итоговом результате. Для операционного эксперимента предложите отдельно рассмотренный протокол, используя только доступные входные данные; не изменяйте тихо зафиксированное сравнение. Файлы эталона остаются неизменными и не измеряются при этом обновлении.

Задача ограниченного агента, которую вы можете рассмотреть

Используйте этот предложенный запрос для обзора с кодирующим агентом, который имеет доступ к проверке эталона. Это редакционное упражнение, а не запуск проверенного агента:

Прочитайте бенчмаркs/timesfm-3/README.md, protocol.json и results/status.json.
Не устанавливайте пакеты, не загружайте веса/данные, не запускайте вывод и не редактируйте файлы.
Верните таблицу обзора с: целью, длиной контекста, горизонтом, сезонным периодом,
статусом хэша подготовленного ввода и доступностью каждого ковариата на момент отсечения.
Отметьте наблюдаемую будущую погоду и отсутствующие данные. Различайте историческую
запись хоста и текущую машину. Закончите указанием блокировок для измеренного запуска;
не придумывайте оценку точности и не изменяйте статус «не измерено».

Проверьте ответ по файлам самостоятельно. Полезный обзор должен отметить незаполненные хэши подготовленного ввода, отсутствующие результаты кандидатов и предположение о погоде для Bike Sharing. Если что-то пропущено, запросите точное подтверждающее поле перед разрешением выполнения. Продолжите с урока по решению о размещении модели для записи выбранного маршрута и его эксплуатационных требований.

Источники

Официальные источники проверены 29 октября 2026 г. если не указано иное. Статус бенчмарка и протокол проверялись локально на ту дату; их оригинальная запись запуска датирована 1 сентября.

[1] https://github.com/google-research/timesfm/tree/v3.0.0 — README репозитория TimesFM v3.0.0 и его явное уведомление о лицензии для кода и весов

[2] https://huggingface.co/google/timesfm-3.0-pytorch — идентичность контрольной точки, размер модели, лицензия на веса, модальность и проверенный статус поставщика вывода

[3] https://research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/ — объявление Google Research, возможности, утверждения о бенчмарке и предстоящая интеграция с BigQuery

[4] https://github.com/google-research/timesfm/releases/tag/v3.0.0 — выпуск v3.0.0 и коммит 331c6d33cb1ac2611de3056d0ac7164aab6301eb

[5] https://docs.cloud.google.com/bigquery/docs/timesfm-model — коммерческие условия использования и многомерные учебники Preview; страница обновлена 27 октября 2026 года

[6] Пакет бенчмарка Mantis — локально protocol.json, results/status.json, и sources/datasets.json; атрибуция набора данных и лицензии указаны там. UCI Онлайн-розница проверено 29 октября; источник Metro не удалось получить во время этого обновления, поэтому его лицензионное указание остается записью пакета от 1 сентября.

[7] https://huggingface.co/google/timesfm-3.0-pytorch/blob/main/LICENSE — лицензия полного веса, включая определение некоммерческих целей и отдельные условия API

[8] https://archive.ics.uci.edu/dataset/275/bike+sharing+dataset — цели аренды и соответствующие поля погоды

Запустите это в работу

Отделите код репозитория Apache-2.0 от отдельной лицензии на предобученные веса v3 перед оценкой стека прогнозирования.

Попробовать

Аудит зафиксированного пакета публичных данных на предмет доступности ковариат времени прогноза перед любым разрешенным некоммерческим запуском.

Докажите, что это сработало

Сохраняйте каждое хронологическое разделение неизменным; сохраняйте исходные прогнозы, MAE, SMAPE, реальное время работы, пик памяти и ошибки вместе с сезонным наивным базовым уровнем.

Где это может оплатить

Не используйте стандартные веса v3 в клиентских или производственных прогнозах без отдельно разрешённого пути.

Держите в поле зрения

• Точная контрольная точка — `google/timesfm-3.0-pytorch`: 330 млн параметров для многомерного прогнозирования временных рядов.
• Предобученные веса v3 используют лицензию TimesFM Non-Commercial License v1.0; Google заявляет, что коммерческое и производственное использование стандартных весов не разрешено.
• BigQuery документирует коммерческое использование в соответствии с условиями Google Cloud; его учебники по многовариантному прогнозированию отмечены как Preview.

Изучите рабочий процесс: выбор между моделями frontier и open-weight →