Google Research发布TimesFM-3：330M参数、单次填充预测未来，支持多变量
该模型把 32 个连续数据点打包成一个patch，一次前向计算填出所有未来时间点，相比逐步预测减少算力消耗和误差累积，并在三个基准的预训练预测模型中排名第一。
AI解读：Google Research发布了TimesFM-3时间序列预测模型。它不再一步一步猜未来，而是一次性把所有未来时间点标记为空白后填满，按Google的说法这能减少计算量，也避免前一步的错误被后一步放大。
模型有 3.3 亿参数，训练数据超过一万亿个数据点，沿用零样本方式，新任务不需要额外训练。它同时处理三类辅助信息：多个相关变量、只存在于历史的变量（如过往客流）、以及已知的未来事件（如折扣计划或天气预报）。
对做零售、供应链或需求预测的人来说，最直接的变化是：以前TimesFM一次只能处理一条数据序列，从 2.5 及之前所有版本都是如此；TimesFM-3开始支持多变量。Google计划未来几周把它加入BigQuery，目前BigQuery里的AI.FORECAST命令跑的还是TimesFM-2.5。
这仍是预测模型而非决策系统。它在Gift-Eval、FEV-Bench和Time三个基准上自称在所有预训练预测模型中排名第一，包括领先Amazon的Chronos-2和自家的TimesFM-2.5，但基准成绩不等于实际业务收益，具体部署效果取决于数据质量和场景。
模型已在GitHub和Hugging Face上提供。Google表示自 2024 年该系列发布以来，它已被部署在零售、金融、制造、医疗和科研领域。
Google Research发布了TimesFM-3，一个基于Transformer的时间序列预测模型。与前代一样，它采用零样本方式，新任务不需要额外训练，参数量为 3.3 亿，训练数据为真实与合成时间序列合计超过一万亿个数据点。
TimesFM-3最核心的变化是预测方式：早期版本逐块预测未来，Google称这种方式慢、计算量大，且每一步预测都建立在上一部之上，误差会逐步累积；TimesFM-3改为把所有未来时间点标记为空白，然后一次前向计算全部填充。
从单变量到多变量：TimesFM-3能同时用折扣、天气和客流
Google在介绍中用冰淇淋销售举例：一个好的预测不应只看冰淇淋的历史销量，还要考虑华夫筒、糖浆等相关商品，以及过往客流、天气、折扣活动和节假日。TimesFM-3正是为这种多变量场景设计的。
模型沿时间轴在单一序列内寻找模式，但只使用过去的值，以避免未来信息泄漏；同时跨序列比较同一时间点上的所有变量，学习它们之间的关系，例如一个商品的折扣如何影响另一个商品的销量。
TimesFM-3处理三类辅助数据：同时预测多个相关变量（如不同冰淇淋口味）；纳入仅存在于历史的变量（如过往客流）；以及使用已知的未来事件（如计划中的折扣或天气预报）。每个时间步输出九个值，而不是单一的点估计，以捕捉预测范围和不确定性。
- 模型规模 3.3 亿参数，训练数据超过一万亿个数据点
- 将 32 个连续数据点归入一个patch，并对每条序列做归一化，使量级差异很大的数据可直接比较
- 支持多变量、历史变量和已知未来事件三类补充数据
- 每个时间步输出 9 个值，用于表示预测范围和不确定性
基准成绩：三个评测中自称预训练预测模型第一
Google称TimesFM-3在Gift-Eval、FEV-Bench和Time三个基准上，在点准确度和不确定性校准两方面均排名所有预训练预测模型第一，比较对象包括Amazon的Chronos-2、Toto-2.0系列，以及Google自家的TimesFM-2.5。
按Google的描述，即使限制为单变量，TimesFM-3也能匹配或超过其他模型，而加入更多数据会拉大差距。在FEV-Bench上，Chronos-2接近TimesFM-3的单变量模式，但明显落后于完整版本；在Time基准上，Toto-2.0系列排在TimesFM-3之后，TimesFM-2.5则落后较多。
在冰淇淋示例中，只看历史销量的模型会延续通常的每周模式，忽略计划中的促销；当TimesFM-3获得折扣日程后，会从历史中学习促销对需求的提升幅度，预计每个促销日销量大约高出 20%。
- Gift-Eval：TimesFM-3大幅领先，即使限制为单变量
- FEV-Bench：TimesFM-3第一，Chronos-2在单变量模式下接近但落后于完整版本
- Time：TimesFM-3第一，Toto-2.0系列次之，TimesFM-2.5明显落后
- 促销日预测：在折扣日程可见时，TimesFM-3预计每个促销日销量约增加 20%
获取方式与限制：已上GitHub和Hugging Face，BigQuery暂时还是 2.5
TimesFM-3已在GitHub和Hugging Face上提供。Google计划在未来几周把它加入BigQuery，目前BigQuery中通过AI.FORECAST命令提供的是TimesFM-2.5，只能处理单变量预测。
从 2024 年该系列发布到 2025 年 9 月发布的TimesFM-2.5，所有版本一次只能处理一条数据序列，因此TimesFM-3的多变量支持是这一系列的重要变化。Google称该系列已被部署在零售、金融、制造、医疗和科研领域。
Google也在构建时间序列之外的预测模型。2025 年 8 月初，Google DeepMind发布了WeatherNext Cyclones，一个用于热带气旋的开源AI系统，据Google称其预测风暴路径和强度的时效比主流业务模型大约提前一天。
- TimesFM-3已在GitHub和Hugging Face发布
- BigQuery的AI.FORECAST目前运行TimesFM-2.5，仅支持单变量，TimesFM-3计划未来几周加入
- 该系列自 2024 年发布以来已被用于零售、金融、制造、医疗和科研
- Google DeepMind于 2025 年 8 月初发布WeatherNext Cyclones，据称热带气旋路径和强度预测比主流业务模型提前约一天