Mistral AI wprowadził Timestral, swoją pierwszą rodzinę foundation modeli do prognozowania szeregów czasowych, która obejmuje cztery modele o rozmiarach 5M, 28M, 123M i 209M parametrów. Największy model o wadze 837 MB w formacie fp32 zajmuje pierwsze miejsce wśród zero-shot modeli pretrenowanych na trzech głównych benchmarkach: GIFT-Eval, TIME i fev-bench. Na fev-bench osiąga wynik 50,39 punktów, przewyższając TimesFM-3 Google'a, który uzyskał 48,99 punktów.
Kluczową zaletą Timestral jest brak wymagań sprzętowych - modele działają na standardowych procesorach CPU serwerów bez potrzeby GPU, co znacznie zwiększa dostępność rozwiązania dla programistów. Modele przyjmują kontekst do 32 768 kroków czasowych i generują 21 kwantyli na każdy krok, umożliwiając probabilistyczne prognozy wielowymiarowe. Przyjmują też zmienne towarzyszące - zarówno znane w przeszłości, jak i przyszłości oraz zmienne kategoryczne, co pozwala na bardziej zaawansowane scenariusze prognozowania.
Timestral różni się od klasycznych podejść takich jak ARIMA czy modeli głębokich jak PatchTST tym, że stanowi foundation model pretrenowany na dużym, zróżnicowanym zbiorze danych. Zamiast trenowania od zera na każdym zbiorze danych lub dopasowywania osobnego modelu dla każdego szeregu czasowego, Timestral przenosi wzorce z dziedziny na dziedzinę. Mistral AI udostępnił otwarte wagi modeli oraz kod inferencyjny, co pozwala deweloperom integrować to rozwiązanie bezpośrednio ze swoimi systemami.