Google 发布 TimesFM-3：多变量零样本预测，和通用大模型 API 有什么不同

Google 发布 TimesFM-3：多变量零样本预测，和通用大模型 API 有什么不同

Google Research 在 8 月 31 日发布 TimesFM-3，一款原生面向多变量时间序列的零样本基础模型。它有 3.3 亿参数，训练语料包含真实与合成数据，合计超过 1 万亿个时间点。模型权重已在 GitHub 和 Hugging Face 提供，BigQuery 集成则仍标注为未来几周上线。

这类模型处理销量、流量、负载、库存与设备指标等时间数据，不负责聊天生成。过去的 TimesFM 主要只看目标序列历史；现实业务还受促销、天气、节假日和客流影响，TimesFM-3 把这些信号纳入同一次预测。

多变量能力改变了输入数据的责任

TimesFM-3 支持同时预测多个相关目标，也能接收只在历史阶段存在的协变量，以及未来已知的动态协变量。零售团队可以同时预测多类商品，把历史客流作为 past covariate，把已经排定的促销和天气预报作为 past-future covariate。模型输出既包括点预测，也能给出多个分位数，用于观察不确定性。

输入更丰富并不自动更可信。促销会变化，天气预报有误差，相关序列也可能在业务改版后失去关系。每个字段都要确认在预测时刻真实可得，避免把事后数据放进未来协变量；这类泄漏不会报错，却会虚高离线成绩。

零样本也不等于无需验证。它省去每个任务单独微调的前置成本，但预测频率、缺失值、异常点、节假日口径和业务结构仍会影响表现。上线前应保留季节性基线、传统统计模型和当前生产方案，用滚动时间窗口比较误差、覆盖率与稳定性。

单次前向预测降低了长预测区间的循环成本

模型把时间序列按 32 个时间步分成 patch，再交替执行沿时间轴的因果注意力和跨变量的全注意力。已知未来信号通过 lookahead 结构进入 token，未知目标区间保持遮罩。TimesFM-3 会在一次前向计算中填充整个预测区间，而非逐个 patch 自回归生成，并为每个时间点预测从 10% 到 90% 的 9 个分位数。

Google 在 Gift-Eval、FEV-Bench 和 Time 三组公开基准上评测，称 TimesFM-3 在预训练时间序列基础模型中取得最好的点预测和概率预测平均排名。多变量模式还能在单变量模式基础上继续提升。这个结论来自官方比较，不能直接推导到企业自己的 SKU、机房指标或金融序列。

评测时应同时看平均误差和坏场景。一个模型可能总体 MAE 更低，却在节假日、缺货或流量突发时严重低估；分位数预测也要检查覆盖率是否接近标称水平。涉及库存、容量或资金决策时，可让独立模型或统计流程复核特征可用性，但最终判断仍应由历史回测和业务约束支撑。

TimesFM-3 需要专用推理服务，不是 Chat Completions 模型

Google 已开放权重与代码，但 BigQuery 集成尚未落地；当前可直接试用的 AI.FORECAST 仍是 TimesFM-2.5。部署 TimesFM-3 时需要准备时间序列张量、协变量 schema、批处理和结果解释，不能把 CSV 塞进 OpenAI 兼容 Chat Completions 就得到等价能力。通用大模型可以解释预测、生成报告，却不应冒充专用预测器。

企业架构可以把专业模型与通用模型分开管理：TimesFM 负责数值预测，GPT、Claude 或 GLM 负责自然语言交互、异常说明和工作流编排。模型目录要明确任务类型、版本、输入契约和评测集，统一网关则负责鉴权、计费和观测。两类服务可以共用治理框架，但不能只靠同一个 model code 混在一起。

如果应用还需要调用通用大模型，可以在 [AnyAIS](/) 核对可用模型入口；时间序列部分应单独评估 TimesFM-3 的权重、运行时和真实业务回测，不要暗示当前平台已经提供该专用模型。

资料来源：[Google Research：TimesFM-3](https://www.research.google/blog/timesfm-3-a-zero-shot-foundation-model-for-multivariate-forecasting/)。