Google、ネイティブな多変量予測に対応したTimesFM-3を公開、BigQuery対応も近日予定
重要ポイント
- •TimesFM-3はGoogleの最新時系列基盤モデルで、シリーズとして初めてネイティブな多変量予測に対応する。
- •3億3,000万パラメータのモデルは、1兆を超える時点数に及ぶ実世界データと合成データで事前学習された。
- •Googleによると、同モデルは販促や天気などの共変量を活用しつつ、関連する複数系列を同時に予測できる。
- •同社はTimesFM-3が、事前学習済み基盤モデルの中でGift-Eval、FEV-Bench、Timeで最先端の結果を示したと説明した。
- •TimesFM-3はすでにGitHubとHugging Faceで利用可能で、BigQuery統合は今後数週間以内に予定されている。
Googleは、時系列基盤モデルの最新世代であり、シリーズで初めてネイティブな多変量予測をサポートするTimesFM-3を公開した。3億3,000万パラメータのこのモデルは、1兆を超える時点数に及ぶ実世界データと合成データのコーパスで事前学習されている。
TimesFM-3は、タスク固有のファインチューニングを必要とせず、前世代を特徴づけていたゼロショットの汎化性能を維持したまま、相互に関連する複数の時系列を単一のフォワードパスで同時に予測できる。2025年9月に公開されたTimesFM-2.5を含む従来モデルは厳密な単変量対応であり、自身の過去値だけを用いて個別系列を予測していた。
Googleによると、TimesFM-3は、複数の共進化するシグナルをまとめて考慮する必要がある、実際の予測課題に合わせて設計されている。このモデルは、複数の目的変数を同時に予測する機能、過去の来客数のような履歴観測済み共変量の利用、販促スケジュールや天気予報を含む将来既知の動的入力の利用をサポートする。
内部構造では、TimesFM-3はデコーダーのみのTransformerバックボーンを採用し、シリーズごとの正規化を施したうえで、32タイムステップの連続パッチとしてデータを処理する。中心的な技術は、2次元のトークングリッド上で動作する交互注意機構である。因果的な時間注意により、各トークンは情報漏えいを防ぐため自身の系列内の過去データのみにアクセスでき、一方で完全な変量注意により、各タイムステップで系列間の相関学習が可能になる。
将来既知の共変量については、システムは現在および今後のパッチを連結して先読みトークンを作成する。さらに、Contiguous Patch Maskingによる非自己回帰推論への移行により、予測区間全体を一度に生成でき、従来版のパッチごとの生成に伴う遅延と誤差の蓄積を解消する。
Introducing TimesFM-3, a state-of-the-art time series foundation model that enables accurate multivariate time series forecasting in a single forward pass, significantly outperforming other forecasting models across major benchmarks. More on the blog → pic.twitter.com/NfbONpFYDz — Google Research (@GoogleResearch) August 31, 2026
Google Research repeated the announcement in a post on X, writing: "Introducing TimesFM-3, a state-of-the-art time series foundation model that enables accurate multivariate time series forecasting in a single forward pass, significantly outperforming other forecasting models across major benchmarks. More on the blog → pic.twitter.com/NfbONpFYDz" — Google Research (@GoogleResearch) August 31, 2026
ベンチマーク性能とクラウド統合
GoogleはTimesFM-3を、Gift-Eval、FEV-Bench、Timeの3つの公開ベンチマークで評価した。同社によると、同モデルは事前学習済み基盤モデルの中で、点予測と確率的予測の両指標において最先端の成績を示した。比較対象には、Chronos-2やToto 2.0ファミリーのような多変量対応モデルに加え、前世代のTimesFM-2.5も含まれていた。
Googleによると、TimesFM-3を系列間情報や共変量情報のない単変量モードに制限した場合でも、競合モデルに匹敵または上回る性能を示した。完全な多変量運用を有効にすると、系列間依存を活用してさらなる性能向上が得られた。
このモデルは、10パーセンタイルから90パーセンタイルまでをカバーする9つの分位点を出力し、単一の予測値ではなく、より詳細な不確実性プロファイルを提供する。
企業向けには、TimesFM-3はGitHubとHugging Faceで利用可能だ。Googleは、TimesFM-2.5で導入されたAI.FORECASTコマンドを多変量ワークロードへ拡張するBigQuery統合が今後数週間で提供されると明らかにした。これにより、小売、金融、製造、科学研究の組織は、販促計画のような外部シグナルを予測パイプラインに直接取り込めるようになり、過去の傾向を単に外挿するのではなく、需要変動を織り込んだ予測が可能になる。
