Timestral 把预训练用于传感器、负载和需求等数值序列预测，规模从500万到2.09亿参数，可在CPU运行。它联合预测多个变量，并区分仅有历史值的协变量与已知未来值的协变量，例如设备读数和生产排期；输出21个分位数，表达预测的不确定性。Mistral在10月15日发布，今晚因HN讨论进入查漏池。
方法上，独立的预测token读取历史，避免把待预测部分和真实缺失值混在一起；先用合成数据预训练，再混合真实数据扩大上下文。编辑观察：工程上值得试的是把排期等已知信息真正纳入预测，而不只是比较模型大小。官方报告了零样本基准优势，完整技术报告尚待发布；现已提供推理代码，可先拿自身历史数据回测。