Timestral发布5M至209M时序基础模型，支持协变量与概率预测

Timestral面向跨领域零样本时序预测，提供5M、28M、123M、209M四档权重。模型以因果patch Transformer编码历史，使用分离的预测token读取上下文，并按目标变量、历史协变量和已知未来协变量设置注意力可见性；输出21个不交叉分位数。最多接收32768个历史时间步，单次前向最多预测1024步，更长预测按块回填中位数。 官方报告209M版本在GIFT-Eval、TIME和fev-bench的预训练零样本比较中领先，结果为厂商公布，完整技术报告尚未发布。CPU或GPU可运行；8线程CPU上，三周15分钟间隔历史预测未来一天的示例中，5M约10毫秒、209M约140毫秒，不代表任意维度和窗口。代码为Apache 2.0，权重采用Modified MIT：若公司或雇主前月全球合并月收入超过2000万美元，不能按该许可行使权利，应另申请商业许可；还须遵守署名和第三方权利条款。