TITLE

Mistral AIが時系列基盤モデル「Timestral」を発表 — CPUだけでゼロショット予測を動かす仕組み

投稿日：2026.10.20

Timestralとは何か — 発表の中身と技術仕様

Timestralは5M・28M・123M・209Mパラメータの4サイズで構成され、いずれもオープンウェイトとして公開されています。モデルの重みはHugging Face(例: Timestral-5M)で、推論コードはGitHub(mistralai/timestral)で公開されており、重みのライセンスはModified MIT、推論コードはApache 2.0です。

技術仕様としては、コンテキスト長が32,768タイムステップ(時点)あります。出力は21分位点(パーセンタイル。予測値のばらつきを21段階の目盛りで示したもの)による確率的な多変量予測です。単一の予測値を1本の線で出すのではなく、「この範囲に収まる確率がこれくらい」という幅を21段階で示します。複数の系列を同時にモデル化でき、過去のみ分かっている共変量(説明変数。予測対象以外に影響を与えるデータ)と、祝日カレンダーや天気予報のように将来の値があらかじめ分かっている共変量の両方を入力に使えます。カテゴリ値(曜日や店舗区分のような分類データ)もそのまま入力できる設計です。

そして追加学習なしで未見のデータに予測を行えるゼロショット予測に対応しています。最大の209Mモデルは、GIFT-Eval・TIME・fev-benchという3つの主要ベンチマークで、Mistral社の発表によれば首位とされています。自社データへのファインチューニングが必要な場合は、Mistral Forgeというプラットフォームを通じて行える仕組みも用意されています。

過去の実績データを示す1本の線が、将来に向けて幅の広がる確率的な予測帯(分位点による予測範囲)に変化していくイメージ図

CPU推論・ゼロショット・共変量対応 — 何が新しいか

標準的なサーバーCPU(8スレッド)で、3週間分の15分間隔データから1日先を予測する場合、5Mモデルで約10ミリ秒、最大の209Mモデルでも約140ミリ秒という数字が示されています。GPUインスタンスの確保やスケジューリングを考えずに、既存のアプリケーションサーバーの中で推論を完結できる可能性があるというのが、GPUを前提にしないことの中身です。

Timestralは追加学習なしで未見のデータに予測を行えるゼロショット予測に対応しているため、新しい店舗・新しい商品・新しい系列が増えるたびに個別のデータセットへ合わせてモデルを訓練し直す運用を飛ばして、まず予測を出してみるという使い方ができます。

祝日や天気予報のように「未来の値があらかじめ分かっている」情報を、過去のみの共変量とは別に入力に使えるのが共変量対応の中身です。小売の需要予測やエネルギー消費の予測のように、外部要因の影響が大きい領域ほど、この入力経路の有無が結果に直結します。

21分位点による確率的な出力も、点予測だけを返すモデルとの違いです。「来週の需要は100個です」という1点ではなく、「この範囲に収まる確率がこれくらいです」という幅を示せるため、在庫を多めに積むか・欠品のリスクを取るかといった判断に予測の不確実性をそのまま使えます。

企業が時系列予測AIを検討する際の論点

Timestralの発表内容を踏まえると、時系列予測AIの導入を検討する際に確認しておきたい論点がいくつか見えてきます。

自社データがコンテキスト長に収まるか: コンテキスト長は32,768タイムステップです。データの粒度(日次か、時間次か、15分次か)によって、これが何年分に相当するかが変わるため、自社のデータ粒度に当てはめて確認する必要があります。
ベンチマークの「首位」は発表元の主張である: GIFT-Eval・TIME・fev-benchでの首位はMistral社の発表によるものです。自社のデータで同じ結果が出るとは限らないため、導入前に自社データでの検証を挟む価値があります。
オープンウェイトであることの意味: 重みがオープンウェイトで公開されているため、予測対象のデータを外部のAPIに送らず、自社環境に閉じて運用する選択肢が取れます。データを外部に出したくない業種では、この点が選定理由になり得ます。
ライセンスの違いを確認する: 重みはModified MIT、推論コードはApache 2.0と、重みとコードでライセンスが分かれています。商用利用の範囲は実際のライセンス条文を確認したうえで判断する論点です。

まとめ

自社の時系列データが32,768タイムステップのコンテキスト長に収まるか、祝日や天気予報のような共変量として使える外部データを既に持っているかの2点を確認することが、Timestralの検討を具体的に進める最初の一歩になります。ゼロショットで出発点の予測をまず作り、精度が足りない部分だけMistral Forgeでのファインチューニングを検討するという段階的な進め方も選択肢に入ります。