Google Research opublikował TimesFM-3, model foundation zdolny do jednoczesnego prognozowania wielu powiązanych szeregów czasowych. Poprzednie wersje TimesFM przez 2.5 były jednowymiarowe - mogły pracować tylko z pojedynczą serią i jej historią. TimesFM-3 zmienia to podejście, akceptując równocześnie wiele targetów, kowariaty z przeszłości i przeszłości-przyszłości bez wymagania task-specific fine-tuningu.
Model zawiera 330 milionów parametrów i został pretrenowany na ponad 1 bilionach punktów czasowych zarówno rzeczywistych, jak i syntetycznych danych. To fundamentalna zmiana wobec większości rzeczywistych problemów prognozowania, które mają naturę wielowymiarową - na przykład prognozy sprzedaży lodów zależą od sprzedaży innych produktów, ruchu pieszy, pogody, promocji i świąt. TimesFM-3 zajmuje najlepsze średnie pozycje wśród pretrenowanych modeli foundation na benchmarkach GIFT-Eval, fev-bench i TIME leaderboard, zarówno dla metryk punktowych, jak i probabilistycznych.
Jednak dostępność modelu do praktycznego zastosowania jest ograniczona. Kod repozytorium TimesFM dostępny jest na licencji Apache-2.0, ale wagi TimesFM 3.0 objęte są restrykcyjną licencją timesfm-non-commercial-license-v1.0, ograniczającą użycie do badań i benchmarkingu. Oznacza to, że można dziś testować model, ale nie można go wdrażać w produkcyjnych API prognozowania.