Mistral presenta Timestral para pronosticar series temporales en CPU

Mistral presentó el 15 de octubre Timestral, su primera familia de modelos fundacionales para series temporales. Está pensada para pronosticar valores que cambian con el tiempo, como demanda, métricas de infraestructura o lecturas de sensores. La familia incluye cuatro tamaños, desde 5 hasta 209 millones de parámetros, y Mistral indica que puede ejecutarse eficientemente en CPU.

Timestral no es un asistente de conversación. Su función es producir pronósticos probabilísticos para varias series relacionadas: además de estimar un resultado, permite representar la incertidumbre. También acepta variables conocidas de antemano, como un calendario de producción, junto con los datos históricos. Para equipos que planifican capacidad, inventario o mantenimiento, esa combinación puede ser más útil que una cifra única sin margen de error.

Mistral afirma que el modelo más grande encabeza tres evaluaciones públicas de pronóstico: GIFT-Eval, TIME y fev-bench. Son resultados reportados por la compañía, no una garantía de rendimiento en los datos de tu empresa. La precisión dependerá, entre otros factores, de la calidad del historial, los cambios de comportamiento y las variables disponibles al momento de hacer cada predicción.

Si ya usas métodos estadísticos o modelos entrenados para un proceso específico, Timestral merece una comparación controlada, no un reemplazo automático. Puedes probarlo con períodos históricos separados para evaluación y contrastar tanto el error como la calidad de los intervalos de incertidumbre. Su ejecución en CPU abre una alternativa para cargas donde disponer de GPU o pagar por inferencia remota no resulta conveniente.