Timestral di Mistral: previsioni su serie temporali senza GPU, benchmark e licenza

Il 15 ottobre 2026 Mistral AI ha presentato Timestral, la sua prima famiglia di modelli di fondazione per le serie temporali: numeri raccolti nel tempo, come i consumi di energia ora per ora, le vendite giornaliere o le letture di un sensore ogni quindici minuti. Timestral guarda lo storico e prevede come continuerà, senza essere addestrato sui vostri dati. Esce in quattro taglie, da 5 a 209 milioni di parametri, e secondo Mistral non ha bisogno di una GPU per funzionare. I pesi si scaricano da Hugging Face e il codice è su GitHub.

Perché se ne parla#

I modelli linguistici hanno abituato tutti a un modello unico che risponde a domande diverse. Nelle previsioni numeriche, invece, molte aziende lavorano ancora con un modello statistico costruito e tarato serie per serie: uno per le vendite, uno per i consumi, uno per ogni macchina. I modelli di fondazione per serie temporali, abbreviati in TSFM, provano a cambiare questo schema: sono addestrati su moltissime serie e prevedono anche serie mai viste, in modalità zero-shot.

In questo campo Mistral non era ancora presente. Con Timestral entra in un gruppo dove ci sono già modelli come TimesFM-3 di Google, Chronos-2, Toto 2.0 e t0-gamma, e lo fa con un'affermazione forte: il modello da 209 milioni di parametri sarebbe primo sui tre principali benchmark pubblici, superando lo stato dell'arte precedente con due terzi dei parametri. Sono dati pubblicati da Mistral, inviati alle classifiche pubbliche GIFT-Eval e TIME, ma non ancora accompagnati dal rapporto tecnico completo, che l'azienda dice arriverà più avanti.

Come funziona#

Timestral è un transformer che legge lo storico a blocchi da 32 passi, chiamati patch, e restituisce la previsione per i passi successivi. Tutte e quattro le taglie hanno la stessa architettura e la stessa ricetta di addestramento: cambia solo la dimensione.

Più serie insieme, con le covariate#

Il modello è multivariato: se una pompa registra vibrazione, temperatura e pressione, le tre serie vengono previste insieme, tenendo conto di come si influenzano. Accetta poi tre tipi di covariate, cioè informazioni di contorno che aiutano la previsione senza essere previste a loro volta:

• solo passate, note fino a oggi, come una misura ausiliaria;

• a futuro noto, come il piano di produzione, i fermi già programmati o le previsioni meteo;

• categoriali, come il giorno della settimana o lo stato di una macchina.

Il contesto arriva fino a 32.768 passi: con dati ogni quindici minuti sono circa undici mesi di storico. La previsione esce in blocchi da 1.024 passi; per orizzonti più lunghi il modello procede blocco dopo blocco.

Non un numero, ma una fascia#

Timestral non restituisce un solo valore per ogni passo. Produce 21 quantili, dal 1% al 99%: in pratica una mediana e una fascia che indica quanto è probabile che il valore reale cada più in alto o più in basso. Per chi pianifica scorte, turni o acquisti di energia è l'informazione più utile, perché dice anche quanto fidarsi della previsione.

In parole semplici#

Gli date le ultime settimane di dati, con eventuali informazioni sul futuro che conoscete già, e lui vi restituisce la curva più probabile e il margine di incertezza. Nessun addestramento preliminare è necessario per partire; se serve, il modello si può poi adattare ai vostri dati.

I risultati dichiarati da Mistral#

Mistral confronta Timestral con le prime dieci voci di ciascuna classifica: 83 modelli confrontabili su GIFT-Eval, 35 su TIME e 37 su fev-bench. Il 209M risulta primo in tutte e cinque le metriche considerate, con un solo checkpoint e senza combinare più modelli.

I margini sono reali ma stretti. Sull'errore MASE di GIFT-Eval Timestral segna 0,657 contro lo 0,661 di t0-gamma, il secondo, e lo 0,667 di TimesFM-3 di Google. Su TIME il distacco è un po' più ampio: 0,626 contro 0,637. Su fev-bench, dove il punteggio è un indice di miglioramento rispetto a un metodo di base e più alto è meglio, il 209M arriva a 50,4 contro 49,4 di t0-gamma e 49,0 di TimesFM-3.

Il dato più interessante riguarda le taglie piccole. Secondo Mistral il modello da 28M batte Chronos-2, circa quattro volte più grande, su GIFT-Eval e TIME, e tutte e quattro le taglie stanno sul fronte di Pareto: a parità di dimensione, nessun modello pubblico fa previsioni migliori.

Quanto è leggero#

Qui Timestral si distingue davvero. Mistral dichiara che su una normale CPU da server con 8 thread la previsione di un giorno, a partire da tre settimane di dati ogni quindici minuti, richiede 10 millisecondi con il 5M e 140 millisecondi con il 209M. Il 28M è cinque volte più veloce del 209M, mentre il 123M arriva a meno dello 0,2% dal punteggio del 209M con tre quarti della sua latenza.

Anche i file sono piccoli: i pesi in fp32 pesano 21 MB per il 5M, 111 MB per il 28M, 490 MB per il 123M e 837 MB per il 209M. Per confronto, molti modelli linguistici open superano decine di gigabyte. Il codice di inferenza richiede solo PyTorch, NumPy, safetensors e huggingface_hub, e gira su CPU o GPU.

Licenza e costi#

Qui serve attenzione, perché ci sono due licenze diverse.

• Il codice del repository GitHub è rilasciato con licenza Apache 2.0.

• I pesi del modello su Hugging Face sono sotto una licenza «Modified MIT», che aggiunge una condizione importante.

Sul fronte dei prezzi, Mistral non ha pubblicato tariffe per Timestral. I pesi si scaricano liberamente e il modello gira sul vostro hardware, quindi il costo principale è quello del server. La documentazione di Mistral lo indica come «Public Preview». Per l'adattamento ai dati aziendali Mistral propone Mistral Forge, che permette di partire dal modello zero-shot, aggiungere covariate di dominio e fare fine-tuning su dati proprietari, anche in ambienti isolati da internet; anche qui non ci sono prezzi pubblici.

Cosa cambia in pratica#

L'esempio scelto da Mistral è un impianto industriale con migliaia di sensori. Timestral prevede l'andamento di vibrazione, temperatura e pressione di una pompa usando come covariate a futuro noto il piano di produzione, i fermi programmati e il meteo. Timestral gira di continuo sui flussi dei sensori e segnala le anomalie. Quando ne trova una, un agente confronta i segnali con i guasti già visti e avvia alcuni sotto-agenti che analizzano registri di manutenzione, note dei turni, manuali e ordini di lavoro passati. Il responsabile, secondo Mistral, riceve una diagnosi e un piano invece di un semplice allarme. È uno scenario descritto dall'azienda, non un caso cliente documentato.

Per un'azienda italiana gli usi più immediati sono più semplici:

• energia: prevedere i consumi orari di un capannone o di un punto vendita, con i turni come covariata;

• vendite e scorte: stimare la domanda giornaliera di ogni prodotto, con promozioni e festività come informazioni note in anticipo;

• manutenzione: accorgersi presto quando un macchinario si comporta in modo diverso dal previsto;

• flussi di cassa: avere una fascia realistica di incassi e pagamenti per le prossime settimane.

Il vantaggio principale è che il modello gira in locale, anche su un server senza GPU. I dati di produzione o di vendita non devono uscire dall'azienda.

Come provarlo#

Serve un ambiente Python 3.10 o successivo con PyTorch 2.4 o successivo. L'installazione è un solo comando:

pip install git+https://github.com/mistralai/timestral.git

Dal README ufficiale, una previsione di 96 passi richiede poche righe:

from timestral import TimestralForecaster

forecaster = TimestralForecaster.from_pretrained("mistralai/Timestral-209M")
forecast = forecaster.forecast(context, prediction_length=96)
forecast.median          # la curva più probabile
forecast.quantile(0.9)   # il limite alto della fascia

Al primo avvio il modello scarica i pesi da Hugging Face. Il README precisa che il repository non accetta pull request, mentre segnalazioni di bug e domande sono benvenute come issue su GitHub.

Domande frequenti#