Google发布TimesFM-3 3.3亿参数零样本预测夺冠

时间：2026 年 8 月 31 日（北京时间） 地点：美国加州山景城 / 全球 人物：Google Research 时序预测团队 事件详情：Google Research 正式开源时序基础模型 TimesFM-3，参数量为 3.3 亿，单次前向即可对多个相关序列进行零样本多元变量预测；模型原生接受多目标序列、过去协变量以及未来已知协变量（如促销日历、节假日、节假日天气），无需任务特定的微调；架构沿用解码器 Transformer 主干，将连续 32 步打包为 patch 并按序列归一化，并在层内交替使用时序因果注意力和全变量注意力，首次在 TimesFM 系列中实现多序列联合推理。 背景：这是 TimesFM 系列自 2.5 版本以来的首次重大升级。早期版本（1.0、2.0、2.5）只能处理单变量预测，无法在预测时联合考虑相关序列或外部特征；2.5 版本虽达 2 亿参数、采用 Apache-2.0 商用许可，但在跨序列协变量场景下表现受限。TimesFM-3 在 1 万亿+真实与合成时间点上进行预训练，目标是把通用基础模型范式拓展到时序预测领域。 影响：TimesFM-3 在 GIFT-Eval、fev-bench 与 TIME 三个公开榜单的已训练基础模型类别中，分别取得点预测与概率预测双榜第一；模型针对每个目标输出第 10 至第 90 百分位的 9 个分位数，方便零售需求、金融负荷、运维容量等场景做风险感知规划；时序预测社区开始将其与 Chronos-2、Toto 2.0 等基线进行对比。 限制与定价：TimesFM-3 权重采用 timesfm-non-commercial-license-v1.0，禁止商用与生产部署；GitHub 仓库仍沿用 Apache-2.0 代码许可；如需商用场景，企业现阶段仍需沿用 TimesFM-2.5 的 Apache-2.0 权重，或等待 Google 后续开放可商用版本。Google Research 在模型卡中列出的已知局限包括：长片段中角色漂移、复杂动作一致性、文本生成的准确率。 总结：Google 把通用基础模型范式延伸到时序预测领域，让一次预训练 + 零样本部署在多元变量场景下首次成为可能；对零售、能源、金融、电信运维而言，TimesFM-3 提供了一条跨序列协变量联合推理的新基线；但非商用许可意味着短期内的商业落地仍要依靠 TimesFM-2.5 或自建微调管线，业内将持续关注 Google 何时放出可商用版本。 参考来源： 1. https://www.marktechpost.com/2026/08/31/google-ai-releases-timesfm-3-a-330m-parameter-zero-shot-foundation-model-for-multivariate-time-series-forecasting/ 2. https://tsfm.ai/blog/timesfm-3-multivariate-zero-shot-forecasting 3. https://aipulselab.tech/news/google-ai-releases-timesfm-3-a-330m-parameter-zero-shot-foundation-model-for-multivariate-time-series-forecasting-d99d9d 4. https://interestana.com/articles/google-ai-releases-timesfm-3-a-330m-parameter-zero-shot-foundation-model-for-multivariate-time-series-forecasting-00hybici 5. https://wpnews.pro/news/google-ai-releases-timesfm-3-a-330m-parameter-zero-shot-foundation-model-for 6. https://oo.news/news/f30a9eaf6bce