Google Research ha lanzado TimesFM-3, la tercera generación de su modelo base de series temporales zero-shot. La actualización principal respecto a la versión 2.5 es el soporte nativo para entradas multivariadas, lo que permite al modelo manejar múltiples objetivos y covariables simultáneos sin ajuste fino.

  • La arquitectura es un transformador solo de decodificador con 20 capas, procesando 32 pasos de tiempo contiguos por token utilizando mecanismos alternantes de atención causal y completa.
  • Los pronósticos se generan en una sola pasada hacia adelante rellenando tokens de marcador de posición enmascarados simultáneamente, emitiendo 9 cuantiles (percentil 10–90) por objetivo.
  • El preentrenamiento utilizó más de 1 billón de puntos temporales de fuentes que incluyen vistas de páginas de Wikipedia, Google Trends y datos sintéticos.
  • El modelo afirma obtener el mejor rango promedio en las pruebas Gift-Eval, FEV-Bench y Time frente a Chronos-2, Toto 2.0 y TimesFM-2.5.

Los pesos están disponibles bajo la Licencia No Comercial de TimesFM v1.0 en Hugging Face y GitHub, con integración prevista para BigQuery en el futuro.