WHAT HAPPENED
単系列の限界を、ネイティブ多変量で外した
一次は Google Research 公式ブログ。日付は 2026-08-31。著者は Ayush Jain と Rajat Sen。重みは Hugging Face google/timesfm-3.0-pytorch。コードは GitHub google-research/timesfm。二次のベンチ数字は使わない。
公式ブログ 08/31。単変量の後継ではなく、多変量のネイティブ事前学習
公式2026-08-31
TimesFM-3: A zero-shot foundation model for multivariate forecasting。
TimesFM は 2024。2.5 は 2025-09。そこまで単変量。
日本デスクの日次も 08-31。公式日と揃える。
何をやったかゼロショット多変量
複数ターゲット、過去共変量、過去未来（動的）共変量をネイティブに受ける。
タスク別ファインチューニングは要らない、と公式。
公式の例は小売のアイスクリーム。関連商品の売上、過去の来店、天気予報・販促・祝日。単系列の履歴だけでは足りない、と公式が先に書く。
- decoder-only。正規化は系列ごと。2.5 と同趣旨、と公式
- 過去未来共変量は、現在パッチに未来パッチを連結する lookahead
- 注意は 2D。横は因果の時間注意。縦は同時刻の全系列注意。交互に積む
- 2.5 まではパッチ逐次。3 は未来ホライズンをマスクして一括充填。ループなし
BROKEN ASSUMPTION
「単系列で足りる」と「多変量は別学習」は別物
混ざるな。表はゼロショット基盤。裏は、公開重みが非商用であることと、本番経路はまだ 2.5 であること。公式はベンチ首位と、BigQuery は coming weeks を同じページに置いている。
ネイティブ多変量 ≠ 今日から本番に載せてよい
表単変量の壁が折れた
2.5 までは strictly limited to univariate、と公式。
3 は natively pre-trained for multivariate。
単変量モードでも競合に並ぶか上回る、と公式。
裏重みは非商用
コードは Apache-2.0。2.5 までの重みも Apache-2.0。
3.0 の事前学習重みは timesfm-non-commercial-license-v1.0。
商用・本番は not permitted、と公式リポジトリ。
× 「公開された＝BigQuery に今日載る」と書くな
公式は、当面は TimesFM-2.5 を単変量タスクで BigQuery の AI.FORECAST に載せろ、と書く。ML の専門知識は要らない、とも書く。3 の統合は coming weeks。
OFFICIAL NUMBERS
公式が出した差。足さない
置ける数字は公式ブログ、公式リポジトリ、Hugging Face カードにあるものだけ。MASE も価格も、ここには無い。
| 指標 | 公式の数字 / 言い方 | 出典 |
|---|---|---|
| 公式日 | 2026-08-31 | ブログ先頭の日付 |
| 著者 | Ayush Jain, Rajat Sen | ブログ byline。共同は Zhou / Mol / Das / Oymak |
| パラメータ | 330 million | ブログ本文 |
| 事前学習 | 実系列と合成で 1兆点超 | more than 1 trillion time points |
| パッチ | 連続 32 ステップ | ブログ。HF も Context Patch Length: 32 |
| ホライズンパッチ | 64 | Hugging Face カード |
| 層 | 20層 / dim 1280 / heads 16 | Hugging Face カード |
| 分位 | 9（10〜90パーセンタイル）。中央値は index 4 | ブログ＋HF |
| 生成 | ホライズン全体を 1回の forward | Contiguous Patch Masking |
| 入力 | 複数ターゲット / 過去共変量 / 過去未来共変量 | ブログが列挙 |
| ベンチ | Gift-Eval / FEV-Bench / Time | ブログ。事前学習基盤の中で point と probabilistic の首位 |
| 比較相手 | Chronos-2、Toto 2.0 系、TimesFM-2.5 | ブログ |
| GitHub の首位表記 | fev-bench #1 overall / 100 tasks。TIME #1 overall / 50 domains・98 tasks。GIFT-Eval は基盤モデル中 #1 | 公式 README Update — August 2026 |
| 単変量モード | 共変量も系列横断も無しでも、競合に並ぶか上回る | ブログ。平均順位の図。数値表は無い |
| 例のリフト | 販促日に約 20% の売上バンプを見込む | ブログのアイスクリーム例。ベンチではない |
| 2.5 | 2025-09 公開。単変量。BigQuery AI.FORECAST は今すぐ | ブログ |
| 3.0 の BigQuery | coming weeks | ブログ Conclusion |
| ライセンス | コード Apache-2.0。2.5 重み Apache-2.0。3.0 重みは非商用・非本番 | 公式 README |
| チェックポイント | google/timesfm-3.0-pytorch | Hugging Face |
- 公式は 単変量モードでも強い と 多変量モードでさらに平均順位が上がる を同じ図に置く。図の数値は本文に無い
- 「top-ranked among all pre-trained foundation models」がブログの言い方。タスク別スコアは置かない
- 約20%は販促例。Gift-Eval の改善幅ではない
置かない： 図から読み取った順位値、未掲載の MASE / CRPS、商用ライセンスの日付、BigQuery 投入の確定週、Apache の 3.0 重み。
LIMITS / NEXT-DAY
公式が自分で置いた限界。デスクの一手は待つ
折れたのは単変量の壁。折れていないのは本番ライセンス
測っていないBigQuery の日付は無い
統合は coming weeks。週番号も SLA も無い。公式は 2.5 の AI.FORECAST を当面の経路に置く。
経路研究と本番を分ける
研究・評価は 3.0（非商用）。出荷は 2.5（Apache）。重みをコンテナに入れて顧客向け予測APIに載せることは、公式が禁じている。
「GitHub にあるから本番に載せてよい」は、2.5 までの話である。3.0 のデフォルト重みは、ライセンスが別物である。
開発待つ。2.5 で手を慣らす
- 単変量は今すぐ BigQuery の AI.FORECAST（2.5）
- 3.0 の SQL 経路は coming weeks を待つ
- 共変量の列設計だけ先に棚卸しする
研究3.0 を非本番で見る
- HF の 3.0-pytorch。ライセンスは NC
- 単変量モードと多変量モードを分けて測る
- 図の順位を、自分の数字として書かない
運用Apache と NC を混ぜない
- コード Apache ≠ 3.0 重み Apache
- 顧客向け予測は 2.5 か、自前学習
- 販促例の約20%を KPI にしない
FOR ENGINEERS
エンジニア向け示唆・どう切るか
- 一次は公式ブログ — 2026-08-31。HF と GitHub が経路とライセンスを補う。二次の順位表は使わない
- 330M / 1兆点超 / パッチ32 / 9分位 — 生成は1回の forward。Contiguous Patch Masking
- 折れた前提は単系列履歴だけ — 複数ターゲット、過去共変量、過去未来共変量をゼロショットで受ける
- 注意は時間因果と系列全結合の交互 — lookahead は過去未来共変量だけ。ターゲット未来はマスク
- 重みは非商用・非本番 — コードと 2.5 重みは Apache-2.0。3.0 デフォルト重みは別ライセンス
- 次に試すなら待つ — 本番は 2.5 の AI.FORECAST。3.0 は BigQuery 投入まで触らない
注意： 「TimesFM-3 が今日から商用予測に使える」とは書かない。公式は coming weeks と非商用ライセンスである。約20%は例。ベンチの改善幅ではない。日本デスクの日付は 08-31。公式日も 08-31 と明記する。
TAKEAWAY
単変量の壁が折れた。多変量は、ゼロショットで一発。研究は 3.0。本番は 2.5。重みは非商用である。
一次：Google Research “TimesFM-3: A zero-shot foundation model for multivariate forecasting”（2026-08-31）｜HF / GitHub 同趣旨｜Day Slide No.396｜デスク日付 2026-08-31