TimesFM-3 leva previsão multivariada zero-shot ao open source
Publicado 05 de set. de 2026 · Leitura 2 min de leitura · Relevância 8.8
O modelo de 330 milhões de parâmetros prevê séries relacionadas e covariáveis em uma passagem. Código e pesos estão disponíveis; a integração com BigQuery ainda é futura.
Previsão multivariada normalmente exige modelagem e ajuste específicos por conjunto de dados. Um modelo aberto que incorpora séries relacionadas e covariáveis sem fine-tuning pode encurtar protótipos em varejo, capacidade, finanças e observabilidade, desde que seja comparado a baselines locais.
O Google Research lançou em 31 de agosto o TimesFM-3, modelo de 330 milhões de parâmetros para previsão de séries temporais. Diferentemente das versões anteriores, ele foi pré-treinado para cenários multivariados: pode prever várias séries relacionadas e combinar históricos com covariáveis conhecidas no futuro, como calendário, promoções e clima.
A arquitetura alterna atenção causal ao longo do tempo com atenção completa entre variáveis. Em vez de gerar o horizonte em blocos sucessivos, mascara o período futuro e produz a previsão em uma única passagem. A saída inclui estimativa pontual e nove quantis, do 10º ao 90º percentil.
Evidência e disponibilidade
Nos testes divulgados pelo próprio Google, o TimesFM-3 ficou na primeira posição média entre modelos pré-treinados nos benchmarks públicos GIFT-Eval, FEV-Bench e Time, tanto em previsão pontual quanto probabilística. Esses resultados ainda precisam de reprodução independente e validação em dados de produção sujeitos a mudança de distribuição.
O código, os pesos e exemplos de inferência já estão disponíveis no GitHub. A integração com BigQuery foi anunciada apenas para as próximas semanas; hoje, o recurso imediato é a execução pelo pacote aberto, não uma função gerenciada do BigQuery.
Acompanhar reprodução dos benchmarks, desempenho contra modelos ajustados por domínio, sensibilidade a mudança de distribuição, custo de inferência, licença e estabilidade da API, além da entrega efetiva da integração com BigQuery.