Granite TimeSeries PatchTST-FM-r2

产品简介

Granite TimeSeries PatchTST-FM-r2（简称PatchTST-FM-r2）是IBM于2026年9月8日在Hugging Face与IBM Research博客同步上线的新一代时间序列预测基础模型，属于IBM Granite时序预测模型家族。该模型采用Conformer架构替代标准Transformer，将自注意力与时序卷积融合以同时捕捉长程与短程依赖；参数约3.85亿，上线首日即在Salesforce主导的GIFT-Eval综合基准「可复现零样本榜单」中排名第二，在「宽松商用许可」子类中排名第一，是目前商业友好许可下表现最优的零样本时序预测模型。

核心功能

• 99分位数概率预测：可一次性产出区间而非单点预测，提供置信区间估计
• 128-8192步上下文支持：灵活处理不同长度的时间序列数据
• 原生缺失值补齐：可直接处理含缺失值的新数据集，无需任务级微调
• 零样本预测：无需为每条业务线单独训练模型，可直接在新数据集上使用
• Conformer混合架构：将卷积层嵌入多头自注意力层之后，兼顾短程与长程依赖捕捉
• 重叠切片+Hamming窗损失：训练时使用重叠切片与Hamming窗损失加权，推理时使用重叠相加方法
• CauKer合成数据扩增：使用CauKer方法合成数据扩增训练集
• Apache 2.0+OpenMDW双许可：用户可选其一商用，显著降低金融、能源、制造等强监管行业法务门槛

特色优势

PatchTST-FM-r2在GIFT-Eval综合基准的可复现零样本榜单中CRPS 0.467、MASE 0.6846，整体排名第二；在「宽松商用许可」子类中排名第一。与r1版本相比，r2将块数从20增至30、引入重叠切片与Hamming窗损失，同时配合FlowState-r1.1（点预测）与TTM-r3/TSPulse-r1（高效与异常检测），IBM TSFM家族已在GIFT-Eval四大榜单中拿到三个第一。Granite TTM系列累计下载量已突破3700万次。

应用场景

• 电力需求预测：电网负荷预测与调度优化
• 电价预测：能源市场中短期价格走势预测
• 交通流量预测：城市交通拥堵预测与路线规划
• 设备遥测：工业设备传感器数据异常预测
• 金融预测：交易量预测与风险管理
• 供应链预测：库存与需求预测

适用人群

• 企业数据科学与分析团队
• 金融、能源、制造等强监管行业数据分析师
• 时序预测算法工程师
• 物联网（IoT）数据处理团队
• 依赖Kafka等流式平台的数据工程团队

出品方

IBM Research时序基础模型（TSFM）团队，联合伦斯勒理工学院（RPI）共同开发。Hugging Face作为首发分发渠道，Confluent作为流式部署合作伙伴。

更新动态

• 2026年9月8日：PatchTST-FM-r2正式发布，开源上线Hugging Face
• 2026年9月8日：GIFT-Eval「宽松商用许可」子类排名第一
• 2025年：r1版本发布，为零样本基础模型首作
• 2022年：PatchTST原版论文发布，率先将「通道独立+切片」思路引入Transformer时序建模

官网链接

https://huggingface.co/ibm-granite/granite-timeseries-patchtst-fm-r2