Новый TimesFM 2.5 от Google обошёл все модели в рейтингах

Google Research представила TimesFM 2.5 ^[1] — обновлённую версию своей Time Series Foundation Model, которая предназначена для прогнозирования временных рядов. Если предыдущие релизы казались просто шагом вперёд, то теперь компания сделала настоящий скачок, выведя точность и масштабируемость на новый уровень.

Главное улучшение — значительно расширенный контекст. Теперь модель способна анализировать и учитывать гораздо более длинные временные зависимости. Это открывает дорогу к прогнозированию более сложных процессов (от динамики фондовых рынков и климата до цепочек поставок и медицинских данных).

По точности TimesFM 2.5 заметно превзошла версию 2.0. Но особенно громким стало достижение в GiFT-Eval. Модель впервые заняла лидирующую позицию сразу по всем метрикам среди zero-shot foundation-моделей. Иными словами, Google удалось создать инструмент, который без дополнительной подгонки показывает лучшие результаты в своей категории.

Исследователи подчёркивают, что благодаря фундаментальной архитектуре, модель можно применять в разных сферах. Для бизнеса это означает более точное планирование, снижение рисков и возможность строить сценарии, которые раньше были слишком сложны для вычислений.

Важно и то, что Google делает ставку не только на точность, но и на надёжность модели. Расширение контекста позволяет избегать ошибок, связанных с короткой памятью ^[2], а новый алгоритм оптимизации даёт стабильные результаты даже при работе с шумными и нестабильными данными.

Фактически, TimesFM 2.5 открывает путь к тому, чтобы прогнозирование на базе ИИ стало таким же привычным инструментом, как сегодня электронные таблицы. Эксперты считают, что в ближайшие годы именно подобные модели будут задавать стандарт в аналитике больших данных и стратегическом управлении.

Делегируйте часть рутинных задач вместе с BotHub! ^[3] Для доступа к сервису не требуется VPN и можно использовать российскую карту. По ссылке ^[4] вы можете получить 100 000 бесплатных токенов для первых задач и приступить к работе с нейросетями прямо сейчас!