TimesFM-3 получил некоммерческую лицензию

Веса TimesFM-3, новой модели Google для прогнозирования временных рядов, с 31 августа лежат на Hugging Face, но лицензия запрещает использовать их в коммерческих и производственных задачах. В продакшене пока остаются модели под Apache 2.0: TimesFM-2.5, Chronos-2 от Amazon и Toto 2.0 от Datadog, и в опубликованных Google тестах все три уступают TimesFM-3.

Как рассказывает The New Stack, в TimesFM-3 330 миллионов параметров, а обучали её на более чем триллионе точек реальных и синтетических данных. Это первая модель Google, которую ещё на этапе предобучения учили работать сразу с несколькими связанными временными рядами, причём без дообучения под конкретную задачу (zero-shot). Она прогнозирует несколько рядов параллельно и учитывает историю соседних данных, например прошлую посещаемость магазина.

Что запрещает лицензия

Исходный код TimesFM-3 Google оставила под Apache 2.0, ограничение касается предобученных весов. Компания уточняет, что «пока что» веса TimesFM 3.0 распространяются по отдельной лицензии timesfm-non-commercial-license-v1.0 и предназначены только для некоммерческого и непроизводственного использования: «Коммерческое или производственное использование предобученных весов по умолчанию не разрешено».

Предыдущая TimesFM-2.5 выходила под Apache 2.0, как и Toto 2.0 с Chronos-2. В The New Stack считают, что некоммерческие лицензии понемногу становятся тенденцией среди разработчиков моделей.

Платный доступ к новой модели Google открывает сама: скоро TimesFM-3 заменит TimesFM-2.5 в команде AI.FORECAST её хранилища данных. Автор The New Stack видит в таком сочетании закрытых весов и платного пути ясный сигнал того, где лаборатории рассчитывают зарабатывать в долгую.

Что показали тесты

Google проверяла TimesFM-3 на Gift-Eval от Salesforce, FEV-Bench от Amazon/AutoGluon и Time. В её результатах новая модель обходит вышедшие в прошлом году Chronos-2 и Moirai 2.0 от Salesforce, а также Toto 2.0, причём часто с заметным отрывом.

TimesFM-2.5 в сентябре 2025 года была лучшей в своём классе, а в тех же таблицах она уже на последнем месте.

Как модель смотрит на соседние ряды

«Большинство реальных задач прогнозирования по своей природе многомерны: на будущее значение ряда вместе влияют несколько временных рядов и внешние признаки», - объясняют исследователи Google Аюш Джайн и Раджат Сен. В их примере прогнозу продаж мало прошлых продаж: нужны продажи связанных товаров вроде рожков для мороженого и сиропов, история посещаемости и заранее известные события, от прогноза погоды до акций и праздников.

Ранние открытые версии работали с одним рядом: так на странице пакета на PyPI описаны и timesfm-1.0-200m, и timesfm-2.0-500m, вышедшая 30 декабря 2024 года. Вторая версия, правда, принимала внешние регрессоры почти в режиме zero-shot.

Как и предшественницы, TimesFM-3 построена на трансформере только с декодером: он режет каждый ряд на патчи по 32 точки и обращается с ними примерно как языковая модель с токенами. Новое в том, что токены проходят через чередующиеся слои внимания двух видов. Одни смотрят назад по времени внутри одного ряда, и модель не видит значений, которых ещё не должна знать. Другие смотрят поперёк, на все ряды в один и тот же момент, и через них акция в одной товарной линейке может повлиять на прогноз для другой.

Поменялся и вывод прогноза. Прежние версии, по словам исследователей Google, генерировали его патч за патчем, что добавляло задержку и накапливало ошибки. TimesFM-3 сразу дописывает замаскированные токены-заглушки на весь горизонт прогноза и заполняет их за один прямой проход.