Mistral AI lanceert Timestral, nieuwe modellen voor tijdreeksvoorspellingen

Het Franse AI-bedrijf Mistral AI heeft op 19 oktober 2026 Timestral uitgebracht, een familie van foundation models die zijn ontworpen voor het voorspellen van tijdreeksen. De reeks omvat meerdere formaten, van een compacte versie met 5 miljoen parameters tot een vlaggenschipmodel met 209 miljoen parameters.

Volgens de releasegegevens staat het Timestral-model van 209M op de eerste plaats onder de zero-shot modellen op drie benchmarks: GIFT-Eval, TIME en fev-bench. Zero-shot betekent hier dat het model voorspellingen doet op nieuwe data zonder dat het speciaal voor die dataset is fijngestemd.

De strijd met Google's TimesFM-3

Timestral zou TimesFM-3, het foundation model voor tijdreeksen van Google, op deze evaluaties overtreffen. De TimesFM-reeks behoort tot de bekendste modellen op dit gebied. Er is geen gedetailleerde scoreopgave beschikbaar en het is niet duidelijk of de resultaten onafhankelijk zijn gereproduceerd.

Een ander opvallend kenmerk is dat het model op een standaard cpu draait in plaats van een gpu nodig te hebben. Dat kan de kosten van implementatie verlagen voor organisaties en ontwikkelaars zonder toegang tot gespecialiseerde accelerator-hardware.

Waarom voorspellingsmodellen belangrijk zijn

Voorspelling van tijdreeksen ligt ten grondslag aan voorspellingen over alles wat in de tijd wordt gemeten, zoals elektriciteitsvraag, detailhandelsverkopen, voorraadbehoefte, financiële indicatoren en weer. Foundation models op dit terrein willen de praktijk vervangen waarbij voor elke dataset een apart model wordt getraind, door één algemeen systeem.

Mistral AI is vooral bekend om zijn grote taalmodellen, dus Timestral markeert een stap naar gespecialiseerde modellen voor niet-tekstuele data. De kleine omvang en cpu-ondersteuning kunnen het makkelijker maken om het in bedrijfssystemen in te bouwen, al zal pas duidelijk worden hoe het presteert bij echte werkbelastingen wanneer gebruikers het in de praktijk testen.