Mistral, kapasite, enerji ve sensör verisi tahmini için açık ağırlıklı Timestral modellerini tanıttı

Mistral'in ilk zaman serisi temel modeli Timestral, dört boyutta açık ağırlıklarla sunuluyor ve kendi sunucuda ya da internetten yalıtılmış ortamda çalışabiliyor.

FUFerhat UğurluYazSis EkibiYayın: 15 Ekim 20262 dk okuma
Kısaca

Mistral AI, 15 Ekim 2026'da ilk zaman serisi temel model ailesi Timestral'ı tanıttı. 5 milyon ile 209 milyon parametre arasında dört modelden oluşan aile, olasılıksal ve çok değişkenli tahmin üretiyor. Modeller değiştirilmiş MIT lisansı taşıyor ve Hugging Face'te yer alıyor; Mistral'in GitHub deposu ise modeli kendi verinizle çalıştırmayı sağlıyor.

Mistral AI, 15 Ekim 2026'da Timestral adlı zaman serisi tahmin modellerini duyurdu. Şirketin blog yazısına göre Timestral, Mistral'in bu alandaki ilk temel model ailesi ve 5 milyon, 28 milyon, 123 milyon ve 209 milyon parametreli dört modelden oluşuyor. Modeller olasılıksal, çok değişkenli tahmin üretiyor ve geçmiş verinin yanında önceden bilinen gelecek değişkenleri de girdi olarak alabiliyor.

  • Tahminler 21 farklı yüzdelik dilimle veriliyor; bağlam uzunluğu 32.768 zaman adımı.
  • Mistral'e göre 209 milyon parametreli model, GIFT-Eval, TIME ve fev-bench testlerinde önceden eğitilmiş, sıfır atışlı modeller arasında ilk sırada.
  • Mistral'in hız ölçümünde, 8 iş parçacıklı standart bir sunucu işlemcisinde 15 dakikalık aralıklarla toplanmış üç haftalık veriden ertesi günün tahmini 5 milyonluk modelde 17, 209 milyonluk modelde 113 milisaniye sürdü.
  • Dört model değiştirilmiş MIT lisansıyla Hugging Face'teki Timestral koleksiyonunda yer alıyor; Mistral Forge ile ince ayar yapılabiliyor ve şirket içi, VPC veya internetten yalıtılmış kurulum destekleniyor.

Neden önemli?

Mistral, Timestral için sensör verisi, kapasite planlama, tedarik zinciri, enerji, bakım ve finans gibi kullanım alanları sayıyor. Bunlar Türkiye'deki üreticilerin, enerji tüketimi yüksek tesislerin ve stok yöneten şirketlerin günlük planlama konuları. Modelin küçük olması ve grafik işlemci gerektirmeden sıradan bir sunucuda milisaniyeler içinde tahmin üretebilmesi, ERP veya IoT verisiyle deneme yapmayı kolaylaştırabilir. Sonuçların Mistral'in paylaştığı test değerleri olduğunu ve kendi geçmiş verinizle doğrulanması gerektiğini de not etmek gerekiyor.

Kaynaklar

FU
Ferhat Uğurlu · YazSis Ekibi

YazSis ekibiyle birlikte kurumsal yazılım, yapay zekâ ve dijital dönüşüm ürünleri geliştiriyor.