Google выпустила TimesFM-3, новейшее поколение своей фундаментальной модели временных рядов и первую в серии, которая поддерживает нативное многомерное прогнозирование. Модель с 330 миллионами параметров предварительно обучена на корпусе реальных и синтетических данных, превышающем один триллион временных точек.

TimesFM-3 может одновременно прогнозировать несколько взаимосвязанных временных рядов за один прямой проход без дообучения под конкретную задачу, сохраняя zero-shot-обобщение, характерное для более ранних версий. Предыдущие модели семейства, включая TimesFM-2.5, выпущенную в сентябре 2025 года, были строго одномерными и прогнозировали отдельные ряды, используя только их собственные исторические значения.

Google заявила, что TimesFM-3 создана для того, как устроено большинство реальных задач прогнозирования, где несколько совместно эволюционирующих сигналов нужно учитывать вместе. Модель поддерживает совместный прогноз нескольких целевых переменных, использование исторически наблюдаемых ковариат, таких как прошлый поток посетителей, а также будущих известных динамических входов, включая графики промоакций и прогнозы погоды.

Внутри TimesFM-3 использует decoder-only transformer и обрабатывает данные в непрерывных фрагментах по 32 временных шага с нормализацией по каждому ряду. Ее ключевая инновация — чередующийся механизм внимания, работающий на двумерной сетке токенов. Каузальное временное внимание гарантирует, что каждый токен получает доступ только к прошлым данным в пределах своего ряда, помогая предотвращать утечку информации, а полное вариативное внимание позволяет модели изучать корреляции между рядами на каждом временном шаге.

Для будущих известных ковариат система объединяет текущие и следующие фрагменты в lookahead-токены. Google также заявила, что переход к неавторегрессивному выводу через Contiguous Patch Masking позволяет модели генерировать весь горизонт прогноза сразу, устраняя задержку и накопление ошибок, связанные с пофрагментной генерацией в предыдущих версиях.

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 повторила анонс в публикации на X, написав: "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

Результаты бенчмарков и облачная интеграция

Google оценила TimesFM-3 на трех публичных бенчмарках: Gift-Eval, FEV-Bench и Time. Компания заявила, что модель достигла уровня state of the art как по метрикам точечного, так и вероятностного прогнозирования среди предварительно обученных фундаментальных моделей. В сравнения входили мультивариантные конкуренты, такие как Chronos-2 и семейство Toto 2.0, а также более ранняя TimesFM-2.5.

Google сказала, что даже в ограниченном одномерном режиме без межрядовой или ковариатной информации TimesFM-3 не уступала или превосходила конкурирующие модели. При включении полного многомерного режима модель давала дополнительные улучшения за счет использования зависимостей между рядами.

Модель выдает девять квантилей от 10-го до 90-го процентиля, обеспечивая детализированный профиль неопределенности вместо одного значения прогноза.

Для корпоративного использования TimesFM-3 доступна на GitHub и Hugging Face. Google сообщила, что интеграция с BigQuery появится в ближайшие недели, расширив команду AI.FORECAST, представленную вместе с TimesFM-2.5, на многомерные рабочие нагрузки. Это позволит организациям в розничной торговле, финансах, производстве и научных исследованиях напрямую включать внешние сигналы, такие как запланированные промоакции, в конвейеры прогнозирования, чтобы учитывать колебания спроса, а не только экстраполировать исторические паттерны.

The post Google’s New TimesFM-3 Outperforms Rivals At Complex Forecasting And Will Soon Be Available In BigQuery appeared first on Metaverse Post .